Голография Фурье в искусственном интеллекте тема диссертации и автореферата по ВАК РФ 01.04.05, кандидат наук Павлов, Александр Владимирович

• Павлов, Александр Владимирович
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Павлов, Александр Владимирович

ОГЛАВЛЕНИЕ

Стр.

Введение

1. Актуальные проблемы искусственного интеллекта и возможные

пути их решения. Обзор литературы

1.1. Парадигмы искусственного интеллекта. Краткое введение

1.2. Нейросетевая парадигма

1.2.1. Векторно-матричный формализм описания состояния нейронных сетей

1.2.2. Схема голографии Фурье как нейронная сеть

1.2.3. Нейросетевые модели ассоциативной памяти

1.2.4. Развитие нейросетевой парадигмы

1.3. Теория нечетких множеств

1.4. Нейро-нечеткие системы

1.5. Парадигма когнитивной системы

1.5.1. Модель линейного предсказателя случайных процессов

1.5.2. Творческое мышление, правдоподобные и немонотонные рассуждения, психологические феномены восприятия информации

1.6. Образное мышление

1.7. Представление и обработка знаний

1.8. Выводы по гл.1. Актуальные проблемы искусственного интеллекта и возможные пути их решения в контексте голографической парадигмы

2. Оптические и голографические информационные технологии для систем искусственного интеллекта. Обзор литературы

2.1. Голографическая ассоциативная память

2.2. Оптические реализации нечетких систем

j 2.3. Реализация квантовых вычислений методом голографии

2.4. Анализ структуры связей, используемых при реализации

ассоциативной памяти по схеме голографии Фурье

2.5. Выводы по обзору и постановка задач работы

3. Алгебраические основания голографии Фурье

3.1. Основные определения и подход

3.2. Оптическая реализация модели

3.3. Приближение геометрической оптики

3.3.1. Операция отрицания

3.3.2. Определяющие операции

3.3.3. Ограничения на модель аппроксимации при выборе рабочего участка динамического диапазон

3.3.3.1. Инволюция

3.3.3.2. Неинволютивнов отрицание

3.4. Приближение Фурье оптики. Алгебра Фурье-дуальных операций

3.4.1. Определяющие операции

3.4.2. Элементы модели

3.4.3. Построение последовательности элементов модели. Арифметика

3.4.4. Выбор метрики и метода дефаззификации

3.4.5. Ограничения на модель

3.4.5.1. Обратный элемент

3.4.5.2. Противоположный элемент

3.4.5.3. Ограничения на модель, обусловленные нелинейностью динамического диапазона голографическойрегистрирующей

среды

3.4.5.3.1. Аддитивно обратный элемент

3.4.5.3.2.Противоположный элемент

3.4.5.4. Параметризация

3.4.5.5.Влияние шумов и помех

3.5. Выводы по главе 3

4. Реализация нечетко-значимых логик методом голографии Фурье.

Введение

4.1. Подход к интеграции логического и образного мышления

4.2. Реализация логико-лингвистического моделирования

4.2.1. Выбор оператора импликации_

4.2.2. Выбор метода обучения - градуировки шкал

4.2.3. Формирование интегральной оценки по набору входных лингвистических переменных и настройка логики

4.2.4. Экспериментальная иллюстрация

4.2.4.1. Экспериментальная установка

4.2.4.2. Выбор типа изображения и формирование ПВР

4.3. Немонотонная логика

4.3.1. Введение: два типа немонотонной логики

4.3.2. Одновременное предъявление ЛП основного правила и исключения

4.3.2.1. Подход

4.3.2.2. Моделирование

4.3.3. Ассоциативное формирование исключения

4.3.3.1. Подход и выбор оператора исключения

4.3.3.2. Обучение сети основному правшу и исключению

4.3.3.3. Работа обученной сети. Формирование паттернов заключения

4.3.3.4. Работа обученной сети. Модификация первоначального заключения основного правила исключением

4.3.3.5. Выбор условий обучения исключению

4.3.3.6. Параметризация логики выбором условий обучения

4.3.3.7. Численное моделирование

4.3.4. Моделирование когнитивных механизмов (механизмов восприятия новой информации)

4.3.4.1. Динамика системы

4.3.4.2. Анализ диссипативного члена

4.3.4.3. Моделирование

4.3.4.4. Рассмотрение в терминах когнитивных механизмов

4.4. Выводы по главе 4

5. Реализация правдоподобных рассуждений. Введение

5.1. Подход

5.1.1. Постановка задачи и выбор метода представления информации

5.1.2. Выбор метода представления информации на примере дедуктивного вывода

5.1.2.1. Связь паттерна индивидуальных признаков с паттерном понятия как общего признака. Шкала общности свойств

5.1.2.2. Характеристики паттерна индуцированного понятия

5.2. Реализация индуктивного вывода

5.2.1. Индукция как расширение спектра индуцируемого образа

5.2.2. Обсуждение биологических и когнитивных аналогий

5.2.3. Абдуктивный вывод

5.2.4. Моделирование

5.3. О физической обусловленности характеристик понятия

5.3.1. Формулировка вопросов

5.3.2. Механизм формирования связей

5.3.2.1. Формирование матрицы весов связей

5.3.2.2. Запись (запоминание) матрицы весов связей

5.3.3. Механизмы согласования спектров амплитуд индуцируемого

и индексного образов

5.3.3.1. Смещение на каждой итерации частоты равенства локальных амплитуд спектров в область низких частот

5.3.3.2. Согласование спектров понятия и исходного образа

5.3.3.2. Согласование спектров понятия и исходного образа

5.3.3.2.1. Подход

5.3.3.2.2. К вопросу оценки адекватности гипотезы

5.3.3.2.3. Итерирующее отображение в слое индуцируемого паттерна

5.3.3.2.4. Дифракция на голограмме - отображение на матрице связей

5.3.3.2.5. Численное моделирование динамики

5.4. Заключение по разделу 5

6. Реализация модели линейного предсказателя случайных процессов и когнитивных эффектов, основанных на механизме предсказания.

Введение

6.1. Модель линейной оценки

6.1.1. Модель линейной оценки и её реализация методом голографии Фурье

6.1.2. Анализ факторов, влияющих на корректность реализации модели методом голографии Фурье

6.1.2.1. Ограниченность реализации

6.1.2.1.1. Ограниченность реализации и структура связей

6.1.2.1.2. Отличия ИКФ от ТКФ

6.1.2.2. Ограниченность динамического диапазона

голографических регистрирующих сред

6.2. Экспериментальная иллюстрация

6.2.1. Экспериментальная установка

6.2.2. Экспериментальные результаты

6.3. Метод применения нейросети со связями по схеме голографии Фурье к решению задач

6.3.1. Введение

6.3.2. Биологически мотивированный подход к решению задач

6.3.2.1. Классификация задач

6.3.2.2. Самостоятельная настройка сети на тип динамики, необходимый для решения встреченной задачи

6.3.2.3. Моделирование сценария Фейгенбаума на основе экспериментальных данных

6.3.2.4. Об адекватности гипотез, порождаемых в хаотическом режиме

6.3. Реализация феномена познавательного дрейфа

6.5. Выводы по главе 6

Заключение

Защищаемые положения

Благодарности

Список сокращений

Список обозначений

Приложение А. Введение

А. 1. Постановка задачи и подход

А.2. Подход к выбору модели аппроксимации

А.З. Экспериментальные установки и методика экспериментов

А.4. Экспериментальные результаты

А. 5. Применение модели аппроксимации при моделировании нечетко-значимых логик. Сравнение экспериментальных и

расчетных результатов

А.6. Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Голография Фурье в искусственном интеллекте»

Введение

Актуальность темы исследования определяется тем, что оптические информационные технологии представляют альтернативу технологиям, основанным на использовании электронной элементной базы и последовательных вычислений, в силу ряда атрибутов оптики, актуальных, в первую очередь, при решении задач, отличающихся высокой вычислительной сложностью, а именно:

- естественного параллелизма представления и обработки изображений как массивов информации, описываемых функциями двух переменных;

- выполнения преобразований комплексных волновых полей, в том числе, интегральных, со скоростью света; скорость обработки в целом определяется по преимуществу быстродействием устройств записи и ввода - вывода информации в оптический процессор;

- независимостью распространения волновых полей в свободном пространстве.

Эти атрибуты оптики, как фундаментальной основы информационных технологий, универсальны и актуальны при создании как специализированных вычислителей, так и универсального компьютера [1].

В последнее время все большее применение в практических задачах обработки информации, включая задачи контроля и управления объектами, в том числе, автономными, в сложной, быстроменяющейся обстановке во взаимодействии с другими объектами и системами, находят методы и модели, разработанные в рамках искусственного интеллекта (ИИ). Эти модели зачастую отличаются крайне высокой алгоритмической сложностью и вычислительной затратностью. В этой связи, применительно к оптическим информационным технологиям, представляют интерес также глубокие аналогии между свойствами голограмм и биологического интеллекта, основные из которых суть следующие:

- обучение вместо программирования - закон обработки не задается интеллектуальной системе извне в виде алгоритма или формальной модели, но вырабатывается устройством самостоятельно в результате обучения на примерах

и запоминается в виде внутренней структуры связей — в оптике эта структура связей реализуется как голограмма;

- ассоциативность отклика как способность к самостоятельному нахождению связей между блоками информации, ранее не связанными между собой явным образом при обучении - свойство голограмм, замеченное еще первооткрывателем голографии Д. Габором [2], и позволяющее строить интеллектуальные системы, реализующие не только цепочки воспоминаний, но и более сложные модели ассоциативной обработки информации, включая формирование абстрактных понятий на основе обработки сенсорных образов;

- распределенность (пространственная) памяти и вычислений.

Список аналогий может быть продолжен, здесь упомянуты только основные. Эти аналогии, отмеченные еще основателями голографии Д.Габором [2], Ю.Н.Денисюком [3] и пионером памяти в трехмерных средах П. Ван Хирденом [4, 5], положены в основу топографической парадигмы в ИИ, сформулированной в классическом виде психологом К.Прибрамом [6-8].

Анализируя степень разработанности этого направления, в первую очередь необходимо отметить, что голографическая парадигма не избежала участи многих междисциплинарных направлений - ряд посвященных ей публикаций, преимущественно в околонаучной прессе и интернете, содержит далеко идущие выводы и чрезвычайно смелые обобщения, не подкрепленные надлежащими научными, в первую очередь - физическими, математическими и биологическими, обоснованиями. В результате, среди ряда авторитетных в своих областях науки ученых сформировалось не просто крайне скептическое, но часто и резко отрицательное отношение к голографической парадигме в ИИ [9].

В этой связи напомним - К. Прибрам особо подчеркивал, что в рамках голографической парадигмы речь должна идти об аналогиях не на уровне физических явлений или устройства реального мозга и оптической голограммы, но лишь на уровне описывающих их работу математических моделей [8]. Принимая этот постулат и исходя из принципа физической обоснованности математических моделей, резонно поставить вопрос о наличии и, главное, —

границах корректности проведения и использования аналогий на уровне физических механизмов работы мозга и голограммы.

Вероятно, первую попытку ответа на это вопрос предпринял известный германский психолог А.Гольдшайдер еще в 1907 году, задолго до появления голографии, предложив взгляд на феномены памяти и внимания через изучение механизмов взаимодействия волновых фронтов, формирующихся в кортикальной области мозга при поступлении сенсорной информации [8]. Аналогия с голографией как методом записи и восстановления волновых фронтов, основанным на использовании фундаментальных физических явлений интерференции и дифракции очевидна, также как очевидны и различия в природе волновых процессов в оптике и биологических структурах, вынуждающие относиться к данной аналогии с крайней степенью осторожности.

Вместе с тем, колоссальные успехи, достигнутые к настоящему времени в изучении анатомии и физиологии как мозга в целом, так и отдельных нейронов [10, 11], ненамного приблизили исследователей-нейрофизиологов к разгадке феномена мышления как целостного явления [12 - 15]. Эта ситуация с очевидностью ставит классический вопрос о переводе описания исследуемого объекта, т.е. интеллекта, с микро- на макроуровень редуцированием числа степеней свободы описываемой системы. Именно в этом аспекте, т.е. как попытка выработки нового языка описания, позволяющего за счет введения новых параметров и переменных показать те феноменологические особенности, которые не удается выявить при исследовании и описании системы на микро-уровне, представляется закономерным и обоснованным появление и развитие в ИИ и когнитивной науке в ряду других парадигм, в первую очередь - парадигмы когнитивной системы, и голографической парадигмы.

При этом новый язык описания должен опираться не только на результаты, полученные в психологии, нейрофизиологии и анатомии, но и заимствовать достижения математики, кибернетики, физики [15 - 23].

Признание правомочности с этой точки зрения голографической парадигмы как моста между разными областями науки актуализирует взгляд на

неё с позиций физики не как на буквальный поиск «голограммы в голове», но как поиск и разработку физически обоснованных моделей обработки информации топографическими методами. Моделей, только в определенной мере, т.е. преимущественно на феноменологическом уровне описания, аналогичных методам обработки информации мозгом. Соответственно, развитие топографической парадигмы с позиций физики заключается, на наш взгляд, в её наполнении физически обусловленными и отчасти биологически и когнитивно мотивированными моделями, методами, технологиями и конкретными схемами оптических процессоров с избеганием претензий на буквальную реализуемость этих моделей, методов и технологий в биологических прототипах.

Обзор работ в области топографической парадигмы, выполненных как специалистами по ИИ и нейрофизиологии, так и оптиками, дан в главах 1 и 2. Здесь, забегая вперед, отметим, что интерес к голографии со стороны ИИ обусловлен резким контрастом между сложностью решения ряда задач в рамках компьютерной парадигмы и быстротой их решения мозгом и, соответственно, поиском биологически и психологически мотивированных альтернатив компьютерной парадигме. В первую очередь внимание исследователей привлекает потенциал голографии в части реализации механизмов образного мышления. В большинстве этих работ эффективно использованы общие принципы голографии, но часто без детального учета физики моделируемых явлений и механизмов. Принятые термины: «квазиголографическое кодирование», «псевдооптические нейронные сети», «псевдофизические логики», работы по моделированию топографических методов в семантических сетях, отражают, на наш взгляд, актуальность физической обоснованности моделей.

Подход к разработке бионических методов и моделей обработки информации с позиций физики позволяет учесть как ограничения, накладываемые на математическую модель физикой описываемых процессов и механизмов, так и те особенности, которые также обусловлены физикой моделируемых явлений, но зачастую не учитываются при математической разработке абстрактной модели, исходящей из приоритета критерия внутренней непротиворечивости.

Взгляд с позиций физики необходим и для разработки конкретных оптических информационных технологий для решения прикладных задач, вкупе с реализующими их устройствами, в первую очередь - задач потоковой обработки изображений реальных динамических сцен и объектов, в том числе - обработки комплексированной сенсорной информации автономными системами, действующими в сложной, быстроменяющейся обстановке во взаимодействии и конкуренции с другими автономными системами.

Таким образом, в целом, взгляд на голографическую парадигму с позиций физики актуален и в плане разработки научных основ методов и моделей анализа и обработки информации, в том числе, для систем управления, на принципах искусственного интеллекта и, в определенной мере, биологической мотивированности.

Цель настоящей работы - разработка и исследование физически обоснованных моделей обработки информации методом голографии Фурье, отчасти аналогичных методам обработки информации мозгом.

Определение' «отчасти» понимается здесь в смысле аналогий преимущественно на феноменологическом уровне.

Задачи работы: Для достижения определенной цели были поставлены и решены следующие, взаимосвязанные логикой исследования, задачи:

1. Формулировка логико-алгебраического описания схемы голографии Фурье и определение физически обусловленных свойств модели.

2. Разработка в рамках порождаемой схемой голографии Фурье алгебры биологически мотивированного метода интеграции логической и образной форм мышления и реализации при обработке изображений методом голографии Фурье логик из класса нечетко-значимых, включая немонотонные. Выявление закономерностей немонотонных рассуждений в связи с характеристиками голографической схемы и её элементов.

3. Разработка в рамках алгебры и исследование физически обусловленной модели правдоподобных рассуждений, в том числе, в контексте

задачи перехода от образного к понятийному мышлению. Выявление закономерностей формирования индуктивно порождаемого понятия в связи с характеристиками оптической схемы и регистрирующих сред.

4. Разработка и исследование топографической реализации модели предсказателя случайных процессов и метода решения задач на базе схемы голографии Фурье в рамках когнитивного подхода.

5. Разработка на основе построенных моделей и исследование физических механизмов, обуславливающих проявление аналогов когнитивных феноменов, характерных для биологического интеллекта. Выявление физически обусловленных закономерностей проявления когнитивных феноменов.

Научная новизна:

1. Впервые показано, что схема голографии Фурье порождает алгебру фурье-дуальных определяющих модель операций; фурье-дуальность порождает нечетко-значимость как атрибут модели.

Для каждого элемента модели физически реализуемы аксиоматические определения четырех элементов: отрицательного, дополнительного, противоположного и аддитивно обратного. Операция корреляции реализует вычитание (абстрактное). При обращении волнового фронта в плоскостях входной и задней фокальной второй фурье-преобразующей линзы схема строит последовательность элементов модели, реализуя аксиомы Пеано с ограничением аксиомы индукции информационной емкостью схемы и угловой инвариантностью голограммы.

Фурье-дуальность вкупе с ограниченностью динамического диапазона регистрирующих сред обуславливают структуру аддитивной полугруппы и необратимость арифметики. Показаны физически обусловленные свойства алгебры: нелинейность экспозиционных характеристик регистрирующих сред и сенсоров параметризирует модель; для операндов с отношением глобального максимума автокорреляционной функции к боковым, превышающим

динамический диапазон сред и сенсоров, возможна частичная обратимость арифметики.

Предложена и экспериментально подтверждена аппроксимативная формула для моделирования логического заключения в классе нечетко-значимых логик с учетом реальных характеристик голографических регистрирующих сред для частного случая высокочастотных голограмм.

2. Впервые предложен и экспериментально подтвержден метод интеграции логической и образной форм мышления в пространстве Фурье, объединяющий концепцию логико-лингвистического моделирования на основе арифметики нечетких чисел с биологически мотивированным методом представления информации паттернами внутренней репрезентации и их обработки.

3. Впервые дана модель логики с исключением на основе фурье-дуальности операций основного правила вывода «Обобщенный Modus Ponens» и исключения, в которой значение исключения ассоциативно формируется заключением, сформированным в рамках вывода «Обобщенный Modus Ponens», и модифицирует значение первоначального заключения.

4. Впервые дана модель редуцирования когнитивного диссонанса на алгебре фурье-дуальных операций и показано, что его редуцирование по сценарию, соответствующему обыденному когнитивному стилю, обусловлено диссипативным характером модели. Впервые показано, что сценарий редуцирования когнитивного диссонанса, ведущий к формированию неадекватного заключения, обусловлен разрушением внутренней коррелированности паттернов репрезентации информации.

5. Впервые дана модель индуктивного и абдуктивного выводов в схеме голографии Фурье на основе итерационного расширения частотного диапазона в область низких частот посредством нелинейного итерирующего отображения в плоскости репрезентации паттерна формируемой гипотезы. Впервые показано, что максимальная общность и адекватность индуктивно формируемого понятия субъективному представлению о реальности достигается при равенстве радиуса

его корреляции радиусу корреляции индексного образа; формирование внутренней коррелированности понятия, разрушенной на этапе абстрагирования от частных признаков, обеспечивает диссипативный механизм - дифракция на голограмме Фурье - отображение индексного образа на матрице связей в пространстве Фурье, реализующее соотнесение гипотезы понятия с субъективным представлением реальности.

6. Впервые теоретически и экспериментально показано, что 4f схема голографии Фурье с обращением волнового фронта в корреляционной плоскости, при использовании на этапе обратного прохождения света от корреляционной плоскости к плоскости изображений инверсной голограммы, реализует модель множественной линейной регрессии. Ореол, формируемый вокруг восстановленного в обратном ходе лучей изображения эталона, представляет линейное предсказание объектного изображения.

7. Впервые дан мотивированный с позиций когнитивной психологии метод решения задач на базе схемы голографии Фурье, основанный на самостоятельной настройке схемы на модель обработки и тип динамики, необходимые для решения встреченной задачи, за счет нелинейности экспозиционных характеристик голографических регистрирующих сред. Тип задачи и метод её решения определяет величина отношения глобального максимума автокорреляционной функции к боковым максимумам:

- при большой величине отношения - задача на вспоминание известного, метод - ассоциативная память, динамика - конвергентная или циклическая;

- при низкой величине отношения - задача на рассуждение, решение на основе имеющихся знаний методом предсказания или логического вывода, динамика - конвергентная или циклическая;

- при отсутствии глобального максимума имеющихся знаний недостаточно - задача должна решаться творчески; метод решения - генерация континуума гипотез, связанных с условиями задачи и знаниями моделью линейной регрессии, играющей ключевую роль механизма, предотвращающего порождение гипотез,

противоречащих фундаментальным законам мироздания, тип динамики -хаотический.

8. Впервые показано, что при режекции глобального максимума автокорреляционной функции модель линейной регрессии дает эффект, отчасти аналогичный феномену «когнитивного дрейфа» в форме, характерной для амбьентного зрения - выделение по интенсивности области объектного изображения, отличного от эталона.

Теоретическая и практическая значимость определяется тем, что в диссертации разработан комплекс взаимосвязанных теоретических положений, формирующих научные основы новых технологий обработки информации методом голографии Фурье на принципах искусственного интеллекта.

Результаты работы актуальны для создания автономных интеллектуальных систем, действующих в сложной, быстроменяющейся обстановке, а также при обработке потоковой информации в реальном времени, в том числе, систем оперативного контроля на основе контекстно-адресуемого доступа к архивной памяти.

Голографический предсказатель случайных процессов актуален также для решения задачи предсказания в реальном времени, например, загрузки узлов телекоммуникационных сетей большой информационной емкости.

Модели выдвижения гипотез (абдуктивных, индуктивных и творческих) актуальны в системах поддержки принятия решений.

Реализация аналога феномена когнитивного дрейфа применима для автоматической фокусировки внимания оператора на области изменений при контроле обстановки по оперативным видео данным в системах наблюдения, безопасности, дистанционного зондирования и экологического мониторинга.

Методы исследований: Использованы методы теоретического, численного и экспериментального (на лабораторных голографических стендах) моделирования, включая: математический аппарат геометрической и

дифракционной оптики, аппарат теории нечетких множеств, методы теории случайных процессов, методы теории динамических систем, методы теории искусственных нейронных сетей.

На защиту выносятся следующие научные положения:

1. Схема голографии Фурье порождает алгебру фурье-дуальных определяющих модель операций; фурье-дуальность порождает нечетко-значимость как атрибут модели.

Для каждого элемента модели физически реализуемы аксиоматические определения четырех элементов: отрицательного, дополнительного, противоположного и аддитивно обратного. Операция корреляции реализует вычитание (абстрактное). При обращении волновых фронтов во входной и задней фокальной плоскости второй фурье-преобразующей линзы схема строит последовательность элементов модели, реализуя аксиомы Пеано с ограничением аксиомы индукции информационной емкостью схемы и угловой инвариантностью голограммы.

Фурье-дуальность вкупе с ограниченностью динамического диапазона регистрирующих сред обуславливают структуру аддитивной полугруппы и необратимость арифметики. Экспозиционные характеристики регистрирующих сред и сенсоров параметризируют модель; для операндов с отношением глобального максимума автокорреляционной функции к боковым, превышающим их динамический диапазон, возможна частичная обратимость арифметики.

2. Метод интеграции логической и образной форм мышления в пространстве Фурье.

3. Логика с исключением и модель редуцирования когнитивного диссонанса на алгебре фурье-дуальных операций.

4. Модель индуктивного и абдуктивного выводов в схеме голографии Фурье на основе итерационного расширения частотного диапазона в область низких частот посредством нелинейного итерирующего отображения в плоскости репрезентации паттерна формируемой гипотезы.

5. 4f схема голографии Фурье с обращением волнового фронта в корреляционной плоскости, при использовании инверсной голограммы на этапе обратного прохождения света от корреляционной плоскости к плоскости изображений, реализует модель линейной регрессии. Ореол, формируемый вокруг восстановленного в обратном ходе лучей изображения эталона, представляет линейное предсказание объектного изображения. При режекции глобального максимума автокорреляционной функции модель линейной регрессии дает эффект, отчасти аналогичный феномену «когнитивного дрейфа» в форме, характерной для амбьентного зрения - выделение по интенсивности области объектного изображения, отличного от эталона.

6. Метод решения задач на базе схемы голографии Фурье, основанный на самостоятельной настройке схемы на модель обработки и тип динамики, необходимые для решения встреченной задачи, за счет нелинейности экспозиционных характеристик голографических регистрирующих сред.

Достоверность и обоснованность полученных результатов подтверждена сравнением теоретических, расчетных и экспериментальных данных, в том числе, с опубликованными результатами других исследователей. Использованы признанные и апробированные математические модели и методики численного и экспериментального моделирования. Разработанные модели физически обоснованы, результаты и выводы имеют ясную физическую трактовку, соотнесены с известными когнитивными феноменами, В публикациях по теме и диссертации дано достаточное для независимой верификации и повторения описание методов и условий численного и экспериментального моделирования.

Результаты работы представлены в 64-х докладах на ведущих Российских и Международных конференциях по оптике и искусственному интеллекту, из них наиболее значимы следующие:

19 (2003), 21 (2008) and 22nd (2011) General Congresses of the International Commission for Optics (ICO); 45 (2000), 46 (2001), 49 (2004)Annual SPIE Meetings

(Applications and Science of Neural Networks, Fuzzy Systems, and Evolutionary Computations); Photonics Prague 2002; Optics in Computing 98; Information Photonics: 2006, 2008, 2013; European Symposium on Intelligent Techniques ESIT'2000 (ERUDIT); Международные конференции «Фундаментальные проблемы оптики»: 2000, 2012; Национальные конференции по искусственному интеллекту: 2004, 2006, 2008, 2010, 2012; Международные научно-практические семинары и конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте», Коломна: III (2005), IV (2007), V (2009), VI (2011), VII (2013); Международные конференции и конгрессы по системам искусственного интеллекта AIS - CAD: 2003, 2004, 2005, 2007, 2009, 2011 2012, 2013; по мягким вычислениям и измерениям SCM: 1998, 1999, 2001, 2002; «Speech and computer»: 2004, 2006; Управление и информационные технологии 2003; 1-ый Международный симпозиум "Гибридные и синергетические интеллектуальные системы: теория и практика" 2012; Международные научно-практические конференции «Голоэкспо»: 2007, 2010, 2011, 2012, 2013; XXVIII Школа-симпозиум по голографии и когерентной оптике 2013; Научные сессии НЯИУ МИФИ - семинары и Всероссийские конференции«Фотоника и информационная оптика».

Основные результаты работы опубликованы в 107 статьях, из их: 48 — в Российских и зарубежных изданиях, удовлетворяющих критериям ВАК (38 — Российские журналы из списка ВАК, 10 - иностранные журналы и периодические издания, индексируемые SCOPUS, Web of Science), трудах Всероссийских и Международных конференций (45 статей и 11 тезисов), сборниках статей и профильном журнале "Новости искусственного интеллекта" (3), 4-х учебных пособиях с грифом УМО.

1. Актуальные проблемы искусственного интеллекта и возможные пути их решения, соотносимые с голографической парадигмой. Обзор

литературы

Ярко выраженный междисциплинарный характер голографической парадигмы обуславливает наличие в ней нескольких встречных направлений исследований, имеющих отправными точками оптику, когнитивные науки, ИИ, нейрофизиологию и анатомию. Оптика в рамках голографической парадигмы на сегодня играет в определенной степени ведомую роль относительно ИИ, поскольку преимущественно используется для реализации концепций и моделей, изначально разработанных в собственно ИИ и, шире, в когнитивной науке. Поэтому настоящий обзор начнем с анализа ситуации в ИИ, а затем перейдем к рассмотрению возможностей, подходов, моделей, схем и технологий, предлагаемых оптикой для решения задач ИИ.

1.1. Парадигмы искусственного интеллекта. Краткое введение

Учитывая междисциплинарный характер исследования, для удобства читателя - оптика, далекого в силу профессиональных интересов от проблематики ИИ, начнем с краткого исторического обзора.

ИИ как наука зародился в середине XX века на волне стремительного прогресса электронно-вычислительной техники и кибернетики, в ходе инициированных этим прогрессом дискуссий о природе информационных процессов мозга и возможности их моделирования математическими методами и техническими средствами. Задачей ИИ на сегодня в общем понимается обеспечение разумных рассуждений и действий с помощью искусственных устройств, включая вычислительные [19, 24]. Под рассуждениями понимается «построение последовательности аргументов, вынуждающих принятие некоторого утверждения» [25] - решения, пригодного для подачи на исполнительные органы в виде управляющей команды. Продукт ИИ -

искусственные системы, осуществляющие конструктивное приближение интеллектуальных способностей человека [24].

Бурный прогресс 50-70-х годов XX века в развитии кибернетики и ЭВМ сопровождался своеобразной эйфорией, доминировала точка зрения, что любая интеллектуальная задача может быть формализована, алгоритмизирована и, следовательно, сосчитана, а проблема лишь в том, чтобы разработать достаточно подробный и адекватный алгоритм, увеличить объем памяти и вычислительную мощность ЭВМ. Этот подход, основанный на формальном выводе, символьном представлении информации и обработке алгоритмизируемыми логико-комбинаторными методами, известен под названием компьютерной парадигмы в ИИ [19,20]. Символ здесь понимается только как знак алфавита, не имеющий ни семантики, ни прагматики [20].

Список литературы диссертационного исследования кандидат наук Павлов, Александр Владимирович, 2014 год

СПИСОК ЛИТЕРАТУРЫ

1. Евтихиев Н.Н., Стариков Р.С. Оптические вычислительные устройства: современные возможности и перспективы. // Научная сессия МИФИ 2011. Научно-техническая конференция-семинар по фотонике и информационной оптике. Сб. научных трудов.- М.: 2011 С.20-21. ISBN 978-5-7262-1390-3.

2. Gabor D. Associative Holographical Memories // IBM Journal of Research and Development. 1969. V.13. №.2. P. 156-159.

3. Денисюк Ю.Н. Некоторые проблемы и перспективы голографии в трехмерных средах. // В кн.: Оптическая голография. Под ред. Г.Колфилда. т.2. М.: Мир, 1982.

4. Van Heerden P.J. A new optical method of storage and retrieving information // Applied Optics. 1963. V. 2. №4. P. 387-392.

5. Van Heerden P.J. Theory of optical information storage in solids // Applied Optics. 1963. V. 2. №4. P. 393-400.

6. Pribram, K.H., Nuwer. M. & Baron, R. The holographic hypothesis of memory structure in brain function and perception. // In: R.C. Atkinson, D.H. Krantz, R.C. Luce & P. Suppes (Eds) Contemporary Developments in Mathematical Psychology. San Francisco: W.H. Freeman & Co.. 1974. P. 416-467.

7. Прибрам К. Языки мозга. - М.: Прогресс, 1975.

8. Прибрам К. Нелокальность и локализация: голографическая гипотеза о функционировании мозга в процессе восприятия и памяти // В сб. «Синергетика и психология». Вып.1. «Методологические вопросы». М.: МГСУ «Союз», 1997. С. 156 - 183.

9. Caulfield, H.J. Holographic brain: a good analogy gone bad // Proc. SPIE. 2002. V. 4737. P. 124-130.

10. Леутин В.П., Николаева Е.И. Функциональная асимметрия мозга. Мифы и реальность.- СПб.: Речь, 2005. 368С.

11. Борисюк Г.Н., Борисюк P.M., Казанович Я.Б., Иваницкий P.P. Модели динамики нейронной активности при обработке информации мозгом - итоги десятилетия // Успехи Физических наук. 2002. Т.172. №10. С.1189-1214.

12. Кузнецов О.П., Марковский А.В., Шипилина Л.Б. Голографические механизмы обработки образной информации - М.: Институт проблем управления им. В.А.Трапезникова РАН, 2007. 82 С.

13. Romanov S.P. Whether Neuron Network can be Intellectual System? //VIII International Workshop on Advanced Computing and Analysis Techniques in Physics Research, Book of Abstracts. 2002. P.80.

14. Александров Ю.И., Бруишинский A.B., Судаков КВ., Умрюхин Е.А. Системные аспекты психической деятельности - М.: Эдиториал УРСС, 1999.

15. Freeman W.J. Evidence from human scalp EEG of global chaotic itinerancy // Chaos. 2003. V.13. №3. P.l-11.

16. Курдюмов СЛ. Законы эволюции и самоорганизации сложных систем // Институт прикладной Математики им. М.В.Келдыша АН СССР. Препринт №45 за 1990 г. - М., 1990. - 45 С.

17. Климонтович Ю.Л. Энтропия и информация открытых систем // Успехи физических наук. 1999. Т.169. №4. С.443-452.

18. Фрадков А.Л. Кибернетическая физика: принципы и примеры - СПб.: Наука, 2003.- 208 С. ISBN 5-02-025028-7

19. Кузнецов О.П. Неклассические парадигмы в ИИ // Известия АН. Сер.: Теория и системы управления. 1995. №5. С.3-23.

20. Аверкин А.Н, Вагин В.Н., Кузнецов О.П., Тарасов В.Б. Круглый стол «Парадигмы искусственного интеллекта» // Новости искусственного интеллекта. 1998. №3. С.140-161.

21. Чайлахян Л.М. Искусственный интеллект и мозг (можно ли моделировать мозг средствами искусственного интеллекта) // Новости искусственного интеллекта. 2001. №4. С. 29-43.

22. Иваницкий A.M. Наука о мозге на пути к решению проблемы сознания // В сб. «Мозг. Фундаментальные и прикладные проблемы.». — М.: Наука, 2010. -285 С. С.75-92

23. Князева E.H. Курдюмов С.П. Синергетика: нелинейность времени и ландшафты коэволюции - M.: URSS, 2007. - 268 С.

24. Финн В.К. Искусственный интеллект: идейная база и основной продукт. // Труды Девятой Национальной Конференции по Искусственному Интеллекту. -М.: Физматлит, 2004. Т.1. С.11-20.

25. Вагин В.Н., Головина Е.Ю., Загорянская A.A., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах, второе изд. - М.: ФИЗМАТЛИТ, 2008.

26. Арбиб М. Метафорический мозг - М.: Мир, 1976.

27. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов, (пер. с англ.) - М.: Радио и связь, 1987.

28. Спрингер С., Дейч Г. Правый мозг, левый мозг - М.: Мир, 1983.

29. Ижикевич Е.М., Малинецкий Г.Г. О возможной роли хаоса в нейросистемах // ДАН. 1992. Т. 326. С.621 - 632.

30. Фриман Дж.У. Динамика мозга в восприятии и сознании: творческая роль хаоса // В сб. «Синергетика и психология». Вып.З. "Когнитивные процессы". -М.: Когито-Центр, 2004. С.13-28.

31. Князева E.H. Методы нелинейной динамики в когнитивной науке // В сб. «Синергетика и психология». Вып.З. "Когнитивные процессы". - М.: Когито-Центр, 2004. С. 29-48.

32. Комбс А. Сознание: Хаотическое и странно-аттракторное // В сб. «Синергетика и психология». Вып.З. "Когнитивные процессы". - М.: Когито-Центр, 2004. С. 49 - 60.

33. Чернавский Д.С. Синергетика и информация. Динамическая теория информации. Изд.З-е, доп. - M.: URSS, 2009. - 300 С. ISBN 978-5-397-002073.

34. Kosko В. Neural Networks and Fuzzy Systems: A dynamical systems approach to machine intelligence - Englewood Cliffs, Prentice Hall int.ed.,1992.

35. Заде Л., Понятие лингвистической переменной и его применение к принятию приближенных решений // Математика. Новое в зарубежной науке. - М.: Мир, 1976. - Вып. 3. - 167 с.

36. Кузнецов О.П. Голографические модели обработки информации в нейронных сетях. //Доклады АН. 1992. Т.324. №3. С.537-540.

37. Кузнецов О.П. Модели голографических процессов обработки информации в нейронных сетях // Автоматика и телемеханика, 1993, №7, с. 160 — 172.

38. Кузнецов О.П. Псевдооптические нейронные сети - прямолинейные модели. //Автоматика и телемеханика. 1996. №12. С.160 - 172.

39. Кузнецов О.П., Шгтилина Л.Б. Псевдооптические нейронные сети - полная прямолинейная модель и методы расчета ее поведения // Известия АН. Серия: Теория и системы управления. 2000. №5. С. 168 - 176.

40. Кузнецов О.П. Моделирование оптических явлений в нейронных сетях. //Оптический журнал. 2003. №8. С.25 - 33.

41. Кузнецов О.П., Шипилина Л.Б. Псевдооптические нейронные сети -исследование компьютерной реализации. // Девятая национальная конференция по искусственному интеллекту с международным участием КИИ-2004. Труды конференции в 3-х томах. Т.З. - М.: Физматлит. С. 1139 -1147.

42. Климовский А.Б., О голографичности нейронных систем // Труды межд. Конференции «Континуальные логико-алгебраические и нейросетевые методы в науке, технике и экономике. - Ульяновск, 2000. Т.2. С.25-26.

43. Судаков КВ. Голографические гомологии биологической мотивации в системной организации поведенческих актов // Журнал высшей нервной деятельности им. И.П. Павлова. 1988. Т. 38. № 1. С. 10.

44. Судаков КВ. Голографический принцип системной организации процессов жизнедеятельности // Успехи физиологических наук. 1997. Т.28. №4. С.3-32.

45. Yu F.T.S., Jutamulia Suganda Optical Signal Processing, Computing, and Neural Networks.- N.Y.: Wiley & sons, 1992.

46. Степанов M. И. Оптические нейрокомпьютеры: Современное состояние и перспективы // Успехи современной радиоэлектроники. 1997. №22. С.32-39.

47. Кольер Р., Беркхарт Л., Лин Л., "Оптическая голография". М.: Мир, 1973. 686С.

48. Kosko В. Adaptive bidirectional associative memories // Appl. Opt. 1987. V.26. P. 4947-4960.

49. Carpenter G. A. , Grossberg S. ART 2: Self-Organization of Stable Category Recognition Codes for Analog Input Patterns // Appl. Opt., 1987. V.26. P. 4919 -4930.

50. Caulfield H.J., Armitage D. Adaptive resonance theory of optical pattern recognition//Appl. Opt., 1989. V.28. P.4060-4061.

51. Wunsch II D.C., Morris D.J., McGann R.L., Caudell T.P. Photorefractive adaptive resonance neural network // Appl. Opt. ,1993. V. 32 P.1399 - 1407.

52. Kohonen T. Adaptive, associative, and self-organizing functions in neural computing // Appl. Opt., 1987. V.26. P. 4910 - 4918.

53. Duvillier J., Killinger M., Heggarty K., Yao K., de Bougrenet de la Tocnaye J. L. All-optical implementation of a self-organizing map: a preliminary approach // Appl. Opt., 1994. V.33. P.258 -266.

54. Barge M., Heggarty K., Idan Y, Chevallier R. 64-channel correlator implementing a Kohonen-like neural network for handwritten-digit recognition // Appl. Opt., 1996. V. 35. P. 4655-4665.

55. Гладков Л.А., Курейчик B.B., Курейчик B.M. Генетические алгоритмы / Под ред. В.М. Курейчика. - 2-е изд., испр. и доп. - М.: ФИЗМАТЛИТ, 2006. -320 с.

56. Курейчик В.М. , Курейчик В.В., Сорокалетов П.В. Элементы теории биониспирированных алгоритмов // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов. Т.1. - М.: Физматлит, 2011. С.64 - 70.

57. Кадников Д. С., Комарцова Л.Г. Сравнительный анализ генетических алгоритмов поиска оптимального решения // Двенадцатая национальная конференция по искусственному интеллекту с международным участием. Труды конференции. Т.4 - М.: Физматлит, 2010. С. 152 - 154.

58. Комарцова Л.Г. Перспективы использованиня нейроэволюционных моделей в дианмических системах поддержки принятия решений // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов. Т.1. -М.: Физматлит, 2011. С. 115 - 124.

59. Litinskii L., Kryzhanovsky В., Fonarev V. Optical Neural Network based on the Parametrical Four-Wave Mixing Process //VIII International Workshop on Advanced Computing and Analysis Techniques in Physics Research, Book of Abstracts, 2002. P.59.

60. Крыжановский Б.В., Микаэлян А.Л. О распознающей способности нейросети на нейронах с параметрическим преобразованием частот // Доклады АН. Сер. мат.физика. 2002. Т. 383. №3. С. 318 - 321.

61. Zadeh L. Fuzzy sets // Information and Control. 1965. V.8. №3. P.338 - 353.

62. Заде Л.А. Тени нечетких множеств. // Проблемы передачи информации. -1966, Т. II. №. 1.С. 37-44.

63. Нариньяни А. С. НЕ-факторы 2004// Труды Девятой Национальной Конференции по Искусственному Интеллекту. Тверь. - М.: Физматлит, 2004. Т. 1.С. 420-432.

64. Аверкин А.Н., Батыршин И.З. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. — М.: Наука, 1986.

65. Новак В., Перфильева И., Мочкорж И. Математические принципы нечеткой логики. - М.: Физматлит, 2006. - 352С.

66. Dubois D., Prade Н. New results about properties and semantics of fuzzy set-theoretic operators // Fuzzy Sets Theory and Applications to Policy Analysis and Information Systems. Ed by P.P.Wang. N.Y.: Plenum Pr., 1980. P. 59 - 75.

67. Dubois D., Prade H. A review of fuzzy set aggregation connectives // Information Sciences, 1985. V.36. P. 85 - 121.

68. Klement E.P. Some mathematical aspects of fuzzy sets: Triangular norms, fuzzy logic, and generalized measures // Fuzzy Sets and Systems, 1997. V.90. P. 133 -140.

69. Аверкин A.H., Головина Е.Ю., Сергиевский A.E. Проектирование нечетких регуляторов на основе триангулярных норм // Известия АН. Серия: Теория и системы управления, 1997. №5. С. 112 - 118.

70. Mesiar R., Pap Е., Different interpretations of triangular norms and related operations // Fuzzy Sets and Systems. 1998. V.96. P. 183 - 189.

71. Аверкин A.H., Костерев В.В. Триангулярные нормы в системах искусственного интеллекта // Известия АН. Серия: Теория и системы управления, 2000. №5. С.107 - 119.

72. Трилъяс Э., Алъсина К., Валъверде А.. Нужны ли в теории нечетких множеств операции MAX, MIN и 1-j? // В кн. "Нечеткие множества и теория возможностей" под ред. P.P. Ягера. - М.: 1986. - С. 199-228.

73. Dubois D., Prade Н. Fuzzy numbers: an overview // in: Ed. by J.C.Bezdek, Analysis of Fuzzy Information.- Boca Raton, FL, 1987. V.l. P. 3 - 39.

74. Knopfmacher J. On measures of fuzziness // J. Math. Anal. And Appl. 1975. V.49. P. 529-534.

75. DeLuca, S.Termini A definition of a non-probabilistic entropy in the setting of fuzzy sets // Information and Control. 1972. V.20. P. 301 - 312.

76. W.Pedrycz, A.V.Vasilakos, A.Gacek Information Granulation for Concept Formation // SAC '00 Proceedings of the 2000 ACM symposium on Applied computing. ACM. New York, NY, USA. 2000. V. 1 P. 484 - 489. doi.10.1145/335603.335922

77. Gupta M.M., Qi J., Theory of T-norms and Fuzzy Inference Methods // Fuzzy Sets and Systems. 1991. V.40. P.431 -450.

78. Weber S., A General Concept of Fuzzy Connectives, Negations and Implications Based on t-norms and t-conorms // Fuzzy Sets and Systems. 1983. V.ll. P.115 -134.

79. Заде Л., Понятие лингвистической переменной и его применение к принятию приближенных решений // Математика. Новое в зарубежной науке. — М.: Мир, 1976. В.З.

80. Pedricz W., Vasilakos A. Linguistic Models and Linguistic Modeling // IEEE Trans. On Systems, Man, and Cybernetics, Part B, 1999. V.29. №6. P.745 - 759.

81. Мальцев Г.Н., Ветринский Ю.А. Логико-лингвистическое описание функционирования сложных радиотехнических систем с элементами искусственного интеллекта в управляющих вычислительных комплексах // Изв. ВУЗов, Приборостроение, 1999. Т.42. №.3 - 4. С. 3 - 7.

82. Кокушкин Ю.А., Усов В.М., Богомолов А.В. Автоматизированное оценивание риска нарушений состояния здоровья человека с помощью компьютерных вопросников на основе нечеткой логики // Информационные Технологии, 2002. №Ю.

83. Романенко Ю.А., Данилюк С.Г., Теоретические основы применения лингвистических переменных в диагностических моделях // Измерительная техника. 1997. №.1. С. 13 - 16.

84. Zadeh L.A. From Computing with Numbers to Computing with Words - From Manipulation of Measurements to Manipulation of Perceptions // IEEE Transactions on Circuits and Systems. - 1999. Vol. 45. P. 105 - 119.

85. Zadeh L.A., Nikravesh M., Aminzadeh F., Computing with Words and the BISC Decision Support System // Proceedings of IV Int. Conference on Soft Computing and Measurements, 2002. V.l. P. 18 - -21.

86. Zadeh L.A. Fuzzy sets and Information Granularity // In "Advances in Fuzzy Set Theory and Applications", M. Gupta, R. Ragade, and R. Yager, Eds. Amsterdam, The Netherlands: North-Holland. 1979. P. 3 - 18

87. Zadeh L.A. Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic // Fuzzy Sets and Systems. 1997. V.90. P. 111 -127.

88. Бутенков C.A. Обобщенные геометрические модели и новая парадигма обработки геометрической информации // Известия Таганрогского государственного радиотехнического университета. 2002. Т. 26. № 3. С. 150 — 157.

89. Бутенков С.А. Обобщенные геометрические модели и многоуровневый анализ изображений в интеллектуальных системах // Известия Таганрогского государственного радиотехнического университета. 2003. Т. 31. № 2. С. 21 — 28.

90. Бутенков С.А. Топологические пространственные отношения в моделях гранулирования многомерных данных // Известия Южного федерального университета. Технические науки. 2010. Т. 107. № 6. С. 200 - 211.

91. Тарасов В.Б. Псевдофизические логики в ИИ // Поспеловские чтения 2009. http://posp.raai.org/data/posp2009/tarasov.ppt

92. Аверкин А.Н., Гаазе-Рапопорт М. Г., Поспелов Д.А.. Толковый словарь по искусственному интеллекту. - М.: Радио и связь, 1992. -256с.

93. Birkhof G., Neuman von J. The Logic of Mechanics// The Logico - Algebraic Approach to Quantum Mechanics/ Ed. by C.A.Rooker. - Amsterdam: North-Holland, 1979. P.l -26.

94. Ishikawa S. Fuzzy Inferences by Algebraic Method// Fuzzy Sets and Systems. 1997. V.87. P.181 -200.

95. Ishikawa S. A Quantum Mechanical Approach to a Fuzzy Theory // Fuzzy Sets and Systems. 1997. V.90. P.277 - 306.

96. Ishikawa S. Fuzzy logic in measurements // Fuzzy Sets and Systems. V. 100. № 1 -3.P. 291-300.

97. Кривое А. С., Маринко C.B. Измерения в системе информационных операций по исследованию свойств объектов// Измерительная техника. 1996. №.7. С. 12 -17.

98. Брянский Л.M. , Дойников A.C., Крупин Б.Н. Необходимость обновления метрологической парадигмы // Измерительная Техника. 1998. №8. С.15 — 21.

99. Белов C.B. Шкалы в системах мягких измерений// Труды II Межд. Конф. по мягким вычислениям и измерениям - СПб.: СПб ЭТУ, 1999. T.I. С.81 - 84.

100. Kasabov N., Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering // MIT Press, Cambrige. 1996.

101. Furuhashi Г., Ed., Advances in Fuzzy Logic, Neural Networks and Genetic Algorithms// Lecture Notes in Art. Int. V.1011. Springer, Berlin, 1995.

102. Зенкин A.A. Знание - порождающие технологии когнитивной реальности //Новости Искусственного Интеллекта, 1996. №. 2. С.72 - 78.

103. Гергей Т. Когнитивные системы // Труды Девятой Национальной Конференции по Искусственному Интеллекту. - М.: Физматлит, 2004. Т.1. С.З.

104. Величковский Б.М. Исследование когнитивных функций и современные технологии // Вестник РАН. 2010. Т.80. №5 - 6. С.440 - 447.

105. Анохин П.К. Узловые вопросы теории функциональной системы. - М.: URSS, 1980. 200 С.

106. Александров Ю.И. Теория функциональных систем и системная психофозиология // В сб. «Синергетика и психология». Вып.З. "Когнитивные процессы". - М.: Когито - Центр, 2004.

107. Судаков КВ., Умрюхин Е.А. Теория хаоса: преобразующая роль функциональных систем // Российский физиологический журнал им. И.М. Сеченова. 1997. Т. 83. № 5 - 6.

108. Судаков КВ. Голографический принцип системной организации поведения: развитие представлений И.П. Павлова о ядре и рассеянных элементах анализаторов // Российский медико - биологический вестник им. академика И.П. Павлова. 1999. № 1 - 2. С. 8 - 14.

109. Судаков КВ. Итоги и перспективы развития теории функциональных систем // Вестник Российской академии медицинских наук. 2009. № 8. С. 3 - 10.

110. Судаков K.B. Информация в деятельности функциональных систем организма // Вестник Челябинского государственного университета. 2009. № 11. С. 35-46.

111. Судаков КВ. Голографическое построение интегративной деятельности головного мозга // Известия РАН. Серия биологическая. 2012. №1. С. 61-71.

112. Пригожим И.Р., Стенгерс И. Время, хаос, квант. К решению парадокса времени. Пер. с англ./ Под.ред. Аршинова В.И. Изд.б-е. - М.: КомКнига, 2005. 232 С. ISBN 5-484-00180-3.

113. Кастлер Г. Возникновение биологической организации. - М.: Мир, 1967.

114. Калъоти Дж. От восприятия к мысли: О динамике неоднозначного и нарушениях симметрии в науке и искусстве. - М.: Мир, 1998. - 221С. ISBN 5-03-003306-8.

115. Кадомцев Б.Б. Динамика и информация. Изд.2-е. - М.: Ред. журн. УФН, 1999.-400 С.

116. Климонтович Ю.Л. Введение в физику открытых систем - М.: Янус-К, 2002. - 284 С. ISBN 5-8037-0101-7.

117. Чернавская О.Д., Чернавский Д.С., Никитин А.П. О возможном механизме «интуитивного» и «логического» в нейрокомпьютинге. - М.: ФИАН, 2009. -32 С.

118. Ижикевич Е.М. , Малинецкий Г.Г. Модель нейронной сети с хаотическим поведением / Ин-т прикладной математики им М.В.Келдыша. Препринт №17 за 1993. - М.: Ин-т прикладной математики им. М.В.Келдыша, 1993.

119 .Андриевский Б.Р., Фрадков А.Л. Управление хаосом: методы и приложения. Часть I. Методы. // Автоматика и телемеханика, 2003. №5. С.З - 45.

120. Андриевский Б.Р., Фрадков А.Л. Управление хаосом: методы и приложения. Часть II. Приложения. // Автоматика и телемеханика, 2004. №4. С.З - 34.

121. Князева E.H. Курдюмов С.П. Интуиция как самодостраивание // Вопросы философии. 1994. №2. С.110- 128.

122. Dmitriev A.S., Panas A.I., Starkov S.O. Storing and recognizing information based on stable cycles of one-dimensional map // Phys. Lett. A. 1991. V.155. P.494 -499.

123.Дмитриев A.C. Запись и восстановление информации в одномерных динамических системах // Радиотехника и электроника, 1991. Т.36. №.1. С.101 - 108.

124 .Дмитриев A.C., Куминов Д. А., Павлов В.В., Панас А.И. Запись, хранение и обработка текстов на основе одномерных динамических систем. Препринт ИРЭ РАН. - М.: ИРЭ РАН. 1993. №3 (585).

125.Андреев Ю.В., Белъский Ю. Л., Дмитриев A.C. Запись и восстановление информации с использованием устойчивых циклов двумерных и многомерных отображений // Радиотехника и электроника. 1994. Т. 39.№ 1. С.114- 123.

126. Кроновер P.M. Фракталы и хаос в динамических системах. М.: Постмаркет. 2000.

127. Дмитриев A.C., Панас А.И. Динамический хаос: Новые носители информации для систем связи. - М.: Физматлит.2002. - 251 С.

128. Ландауэр Р. Необратимость и выделение тепла в процессе вычислений // В кн. Квантовый компьютер и квантовые вычисления (Библиотека «Квантовый компьютер»). Под.ред. Садовничего В.А. - Ижевск, 1999. Т.2. С.9 - 32.

129. Моллер Р., Гросс Х.-М. Обнаружение совпадений и генерация гипотез -элементарная функция коры головного мозга // В сб. «Синергетика и психология». Вып.З. "Когнитивные процессы". -М.: «Когито-Центр». 2004. С. 210-217.

130. Князева E.H. Курдюмов С.П. Основания синергетики. Человек, конструирующий себя и свое будущее. - М.: КомКнига / URSS, 2006.

131. Моллер Р., Гросс.Х.-М. Восприятие через антиципацию // В сб. «Синергетика и психология». Вып.З. "Когнитивные процессы", изд-во «Когито-Центр». 2004. С. 218-224.

\Ъ2.Вентцелъ Е.С., Овчаров Л.А., Теория случайных процессов и инженерные приложения. - М.: Высшая школа, 2000.

133. Вентцелъ А.Д., Курс теории случайных процессов. - М.: Наука, 1975. 400 С.

134. Grimmet G.R., Sterzaker D.R. Probability and Random Processes. - Oxford.: Oxford Sc. Publ., Claredon Press, 1992.

135. Сергеев Г.А., Янутш Д. А. Статистические методы исследования природных объектов. - Л.: Гидрометеоиздат. 1973. 602 С.

136. Толчелъников Ю. С. Оптические свойства ландшафта - Л.: Наука, 1974. 42 С.

137. Roughan М., Veitch D., Abry P. Real-Time Estimation of the Parameters of LongRange Dependance // IEEE Trans, on Networking. 2000. V. 8.№ 4. P. 467 - 478.

138. Yoo S.J., Kwak K.S., Kim M.C. Predictive and Measurement-based Dynamic Resource Management and QoS Control for Videos // Computer Communications.2003. V. 26. № 14. P. 1651 - 1661.

139. Манжиров А. В., Полянин А. Д. Справочник по интегральным уравнениям. Методы решения - М.: Факториал Пресс, 2000. 384 С.

140. Perfilieva I. Fuzzy transforms: theory and applications // Fuzzy Sets and Systems. 2006. V.157. №8. P. 993-1023.

141. Perfilieva I. Fuzzy transforms: a challenge to conventional transforms // Advances in Imaging and Electron Physics. 2007. V. 147. P. 137-196.

142. Perfilieva /., Kreinovich V. Towards an (Even More) Natural Probabilistic Interpretation of Fuzzy Transforms (and of Fuzzy Modeling) // Advances in Fuzzy Systems. 2011. V.2011. Article ID 719256/ 9 pages. doi:10.1155/2011/719256

143. Di Martino P., Loia V., Sessa S. Fuzzy transforms method in prediction data analysis // Fuzzy Sets and Systems. 2011. V. 180. №1. P. 146-163.

144. Perfilieva /., Kreinovich V. Why Fuzzy Transform Is Efficient in Large-Scale Prediction Problems: A Theoretical Explanation // Advances in Fuzzy Systems. 2011. V.2011. Article ID 985839. 5 pages. doi:10.1155/2011/985839

145. Кузнецов О.П. Быстрые процессы мозга и обработка образов // Новости искусственного интеллекта. 1998. №2. http://raai.Org/librarv/ainews/1998/2/DISTR.ZIP

146. Голицын Г.А., Фоминых И.Б. Нейронные сети и экспертные системы: перспективы интеграции // Новости искусственного интеллекта - М.: АИИ, 1996. №4. С.121 - 145.

147. Фоминых И.Б. О технологии решения творческих задач // В сб. трудов 8 Национальной конф. по искусств, интеллекту "КИИ - 2002". М.: Физматлит, 2002. T.I. С.519 - 526.

148. Фоминых И.Б. Интегрированные модели и технологии решения творческих задач // VII Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте». Коломна, 16 - 19 мая 2011, Сборник научных трудов. - М.: Физматлит., 2011. T.I. С.149 - 157. -598с. ISBN 978-5-9221-1327-4.

149. Фоминых И.Б. Интеграция логических и образных методов отражения информации в системах искусственного интеллекта. // Новости искусственного интеллекта. — М.: АИИ, 1998. № 3. С. 76 - 85.

150. Семинар "Отражение образного мышления и интуиции специалиста в системах искусственного интеллекта" // Новости искусственного интеллекта. — М.: АИИ, 1998. №1.С.22- 136.

151. Семинар (продолжение) "Отражение образного мышления и интуиции специалиста в системах искусственного интеллекта"// Новости искусственного интеллекта. — М.: АИИ, 1998. № 3. С.64 - 100.

152. Вагин В.Н., Хотимчук. К.Ю. Нахождение минимальных абдуктивных объяснений с помощью первичных импликант // Одиннадцатая Национальная конференция по искусственному интеллекту с международным участием. Труды конференции. Т.2. С.345 - 355.

153. Валъкман Ю.Р., Дембовский О.Ю. Процессы порождения и обоснования гипотез: индукция, аналогия, абдукция и дедукция. // Моделювання та шформацшш технологи, Зб1рник наукових праць 1ПМЕ. Khib. 2008. № 47. С. 97 - 107.

154. Валъкман Ю.Р. Гипотезы: определения, структура, классификация, жизненные циклы // Моделювання та шформацшш технологи, Зб1рник наукових праць 1ПМЕ., Кшв, 2008. № 48. С. 91 - 98.

155. Финн В.К. Индуктивные методы Д.С. Милля в системах искусственного интеллекта. Часть 1. // Искусственный интеллект и принятие решений. 2010. №3. С. 3-21.

156. Финн В.К. Индуктивные методы Д.С. Милля в системах искусственного интеллекта. Часть 2. // Искусственный интеллект и принятие решений. 2010. №4. С.14-40.

157. Вагин В.Н., Хотимчук К.Ю. Абдукция в задачах планирования работ в сложных объектах // Искусственный интеллект и принятие решений. 2011. №1. С.З - 13.

158. Antoniou G. Nonmonotonic reasoning. Cambridge, MA.: MIT Press, 1997.

159. Benferhat S., Dubois D., and Prade H. Nonmonotonic reasoning, conditional objects and possibility theory // Artificial Intelligence, 1997. V. 92. №1 - 2.P. 259 -276.

160. Lukasiewicz, Т., Weak nonmonotonic probabilistic logics // Artificial Intelligence, 2005.V.168. №1-2. P. 119- 161.

161. Винъков M. M. , Фоминых И.Б. Немонотонные рассуждения в динамических интеллектуальных системах // Новости Искусственного Интеллекта, 2005. №4. С.12-23.

162. Reiter R. A logic for default reasoning. // Artificial Intelligence, 1980.V.13. №1 -2.P. 81 -132.

163. Астанин C.B., Калашникова Т.Г., Модель немонотонных рассуждений на основе нечеткой логики // Известия ТРТУ. Интеллектуальные САПР "Материалы Международной НТК "Интеллектуальные САПР". - Таганрог: Изд-во ТРТУ, 2000. № 2. - С. 81 - 84.

164. Психологическая энциклопедия. / под ред. Р. Корсини, А. Ауэрбаха. - 2-е изд. - СПб.: Питер, 2006. - 1096 с.

165.Х. Хекхаузен Мотивация и деятельность. 2-е изд./ СПб.: Питер; М.: Смысл, 2003. — 860 с: ил.

166. Быков B.C., Валъкман Ю.Р., Рыхалъский А.Ю. О моделировании образного мышления в компьютерных технологиях: образ как результат отражения // Труды Международной Конференции «Системы Искусственного Интеллекта AIS'05». - M.: Физматлит. 2005. Т.2. С250 - 255.

167. Быков B.C., Валъкман Ю.Р. О моделировании образного мышления в компьютерных технологиях: операции мышления // Труды Международной Конференции «Системы Искусственного Интеллекта AIS'05». — M.: Физматлит. 2005. Т.2. С.256 - 291.

168. Валъкман Ю.Р., Быков B.C. Дедуктивные и недедуктивные аспекты в моделировании образного мышления. // Моделювання та шформацшш технологи, Зб1рник наукових праць 1ПМЕ, Кшв. 2006., №35. - С. 87 - 96.

169. Валъкман Ю.Р. Образы и образное мышление: некоторые отношения и структуры. Труды V Международной конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте» - М.: Физматлит., 2009. T.I. С.109 - 120.

170. Валъкман Ю.Р. Динамическая структура образа: доформальное исследование // VII Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте». Коломна, 16-19 мая 2011, Сборник научных трудов. - М.: Физматлит., 2011. T.I. С.136 - 148. - 598с. ISBN 978-5-9221-1327-4.

171. Орлов В.В. Образование новых смысловых блоков в голографической модели памяти человека // Труды международных научно-технических конференций "Интеллектуальные системы", "Интеллектуальные САПР". М.: Физматлит. 2007. Т. 3. С. 444 - 447.

172. Орлов В.В. Образование новых смысловых блоков в голографической модели памяти человека // Оптический журнал. 2007. Т. 74. №11. С. 36 - 38.

173. Орлов В.В. Формирование ассоциативных связей в вербальной части памяти человека согласно голографической модели памяти. // Конгресс по

интеллектуальным системам и информационным технологиям AIS-IT'09. Труды конгресса - М.: Физматлит, 2009. Т.2.С.200 - 202.

174. Орлов В.В. Ассоциативные связи между вербальными элементами информации согласно голографической модели памяти человека // Седьмая международная конференция «Голоэкспо 2010». Сборник трудов - М.: , 2010. С.330 - 334. ISBN 978-966-02-5283.

175. Орлов В.В. Ассоциативные связи между словами и мыслями человека, хранящимися в его памяти, согласно голографической модели памяти // VII Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте». Сборник научных трудов - М.: Физматлит, 2011. Т.1.С.342 - 348. ISBN 978-5-92211327-4.

176. Орлов В.В. Ассоциативные связи между словами согласно голографической модели памяти // Оптический журнал. 2011. Т. 78. №9. С. 50 - 52.

177. Кулешов A.M., Шубников Е.И., Смаева С.А. Об оптимальности голографического согласованного фильтра // Оптика и спектроскопия 1986. Т.60. №6. С. 1273 - 1276.

178. Шубников Е.И. Отношение сигнал/помеха при корреляционном сравнении изображений // Оптика и спектроскопия. 1987. Т.62. №.2. С .450 - 456.

179. Шубников Е.И., Влияние аддитивных и мультипликативных помех при корреляционном сравнении изображений // Оптика и спектроскопия. 1987. Т. 62. № 3. С.653 - 658

180. Александрина С.А., Кулешов A.M., Влияние режекции низких пространственных частот спектра на параметры сигнала в голографическом корреляторе// Оптика и спектроскопия 1990. Т.68. №3. С.652-655.

181. Жилякова Л.Ю. Концепции построения стратифицированной модели знаний // Пятая международная конференция «Интеллектуальный анализ информации -ИАИ-2005». Труды конференции. Киев: Просв1та, 2005. С. 147 -156

182. Жилякова Л.Ю. Проблемы квазиголографической организации символьной памяти. // Материалы Второй международной конференции по когнитивной науке, СПб., 2006. Т. 2. С. 610 - 612.

183. Жилякова Л.Ю. Проблемы моделирования сознания и голографическая память // Десятая национальная конференция по искусственному интеллекту с международным участием КИИ' 2006. Труды конференции. М.: Физматлит, 2006. Т.2. С. 678-686.

184. Жилякова Л.Ю. Подходы к квазиголографическому преобразованию символьной информации // Шестая международная конференция «Интеллектуальный анализ информации — ИАИ-2006». Труды конференции. Киев: Просвгга, 2006. С.111 - 120.

185. Жилякова Л.Ю. Структурирование знаний в ассоциативной модели. // Одиннадцатая национальная конференция по искусственному интеллекту с международным участием КИИ' 2008. Труды конференции. М.: Физматлит, 2008. Т.1.С. 104-111.

186. Марковский A.B. О квазиголографическом кодировании цифровых изображений // Автоматика и телемеханика, 2001. №10. С. 163 - 173.

187. Кузнецов О.П., Марковский A.B. Квазиголографический подход к поиску в массиве цифровых изобаржений // Искусственный интеллект, 2002. №2 (Донецк). С.474 - 482.

188. Кузнецов О.П., Марковский A.B. Квазиголографический подход к кодированию графической информации // Искусственный интеллект, 2004. №2 (Донецк). С.320 - 324.

189. Барский А.Б. Логические нейронные сети. - М.: Бином, 2007. 351 С.

190. Микаэлян А.Л. Возможности применения методов голографии для создания новых типов запоминающих устройств.// Радиотехника и электроника, 1969. Т.14. №1. Cl 15.

191. Микаэлян АЛ., Бобринев В.И. Запись большого числа изображений методом наложения голограмм // ДАН СССР, 1970. Т.191. №4. С799.

192. Микаэлян А.Л. и др. Голографические запоминающие устройства с записью информации массивами.// Квантовая электроника, 1971. №1. С. 79 - 84.

193. Микаэлян А.Л., Бобринев В.И. Голографические системы памяти.// Радиотехника, 1974. Т.29. №5. С. 7 - 18.

194. Микаэлян А.Л.. Ванин А.Ф. и др. Голографический диск-накопитель // Квантовая электроника. 1987.Т.14. №5. С. 1074 - 1085.

195. Микаэлян А.Л. и др. Динамика ассоциативного поиска информации в голографической памяти с нелинейной системой управления. // Радиотехника, 1990. №4. С. 79 - 84

196. Микаэлян А.Л. Оптические методы в информатике / М.: Наука, 1990. 232 С.

\91. ТвердохлебП. Е. Голографическая память: история и перспективы //

Сборник трудов четвертого международного симпозиума «Голография -Экспо 2007 . М., 2007. С. 26 - 28.

198. Твердохлеб П. Е. Голография и оптическая память // Сборник трудов Всероссийского семинара «Юрий Николаевич Денисюк - основоположник отечественной голографии». СПб.: ФТИ им. А.Ф. Иоффе, 2007. С. 65 - 77.

199. Одинокое С.Б. и др. Многоканальная архивная оптико-голографическая память // Сборник трудов седьмой Международной конференции «Голография -Экспо 2010. М.: ООО «Голография-сервис», 2010. С.134 - 136.

200. Одинокое С.Б. и др. Разработка и исследование системы оптико-голографической архивной памяти с высокоскоростным параллельным считыванием информации. // Научная сессия МИФИ-2011. Научно-техническая конференция-семинар по фотонике и информационной оптике. Сборник научных трудов. М.: МИФИ, 2011. С.22 - 23.

201. Одинокое С.Б. и др. Экспериментальное исследование модуляционных характеристик ПМС-ЖК для систем голографической памяти. // Научная сессия МИФИ-2011. Научно-техническая конференция - семинар по фотонике и информационной оптике. Сборник научных трудов. М.: МИФИ, 2011. С.218 -219.

202. Akaev A.A., Gurevich S.B., Zhumaliev K.M. About the information on holographic memory element// Proc. SPIE, 1991. V. 1621. P. 192 - 19.

203. Akaev A.A., Gurevich S.B., Zhumaliev K.M., Abakirova J. Information processes in holographic devices // Optical Memory & Neural Networks, 1992. V.l. №4. P.277 -288.

204. Akaev A.A., Gurevich S.B., Zhumaliev K.M., Abakirova J., Information quality of holographic memory devices // Proc. SPIE, 1993. V. 1732. P. 357 - 359.

205. Akaev A.A., Zhumaliev K.M., Myrzabekov A., Gurevich S.B. Evaluation of the data-filling factor in holographic memory devices with analog and digital recording // Proc. SPIE, 1994. V.2051. P. 594 - 599.

206. Gurevich S.B., Gurevich B.S., Zhumaliev K.M. Information power expense in holographic memory devices // Proc. SPIE, 1995. V. 2404. P. 108 - 119.

207. Gurevich B.S., Gurevich S.B., Zhumaliev K.M. Influence of recording media dynamic range and nonlinearities on the spatial information filling factor in holographic memory devices// Proc. SPIE, 1994. V.2129. P.130 - 136.

208. Gurevich B.S., Gurevich S.B., Konstantinov V.B., Relin V.F., Zhumaliev K.M. Quantum efficiency of an information unit sampled from a holographic memory device with by-page recording // Proc. SPIE, 1994. V.2129. P.137 - 146.

209. Akaev A.A., Gurevich S.B., Gurevich B.S., Zhumaliev K.M. Mutual connection of characteristics and optimization of holographic memory devices with by - page recording // Proc. SPIE, 1997. V.3109. P.205 - 217.

210. Akaev A.A., Zhumaliev K.M., Gurevich B.S., Gurevich S.B, The limitations of the subhologram number and page information amount in holographic memory devices with immobile carriers // Proc. SPIE, 1997. V.3238. P.72 - 79.

211. Gurevich B.S., Gurevich S.B., Zhumaliev K.M., Alymkulov S.A., Sagumbaev S.A., Akkoziev I.A. Comparative evaluation of the volume holographic memory information capacity limits caused by different limitation factors // Proc. SPIE, 2000. V.4110. P. 167 - 176.

212. Gurevich S.B., Gurevich В.S., Zhumaliev K.M., Alymkulov S.A., Peckus A.M. Interception of spatial and temporal information in the systems of optical information processing // Proc. SPIE, 2000. V.4148. P.64 - 70.

213. Gurevich S.B., Akkoziev I.A., Alymkulov S.A., Gurevich B.S., Zhumaliev K.M. Spatial light modulators in by-page volume holographic memory architecture // Proc. SPIE, 2000. V.4148. P.106-110.

214. Акаев А.А, Гуревич С.Б., Жумалиев K.M. Голографические системы хранения и выборки информации / Бишкек - СПб.: Илим, 2000. 408 С.

215. Gurevich S.B., Gurevich В.S., Zhumaliev K.M., Peckus A.M., Akkoziev I.A., Alymkulov S.A., Information quality of volume holographie memory devices I I Proc. SPIE, 2001. V.4415. P.ll - 16.

216. Гуревич С.Б., Гуревич Б.С., Жумалиев KM., Алымкулов С.А., Пецкус A.M. Информационное качество устройств объемной топографической памяти // Оптический журнал, 2001. Т.68. №6. С.49 - 53.

217. Гуревич С.Б., Гуревич Б. С., Константинов В.Б., Релин В.Ф. Трехмерные голографические устройства с двухпучковым восстановлением волнового фронта // Оптический журнал, 2001. Т.68. №2. С.47 - 49.

218. Gurevich В.S., Gurevich S.B., Zhumaliev K.M., Alymkulov S.A. Dependence of the amount of stored information and its input and access rate on storage medium characteristics in volume holographic memories // Proc. SPIE, 2002. V.4459. P.20 -28.

219. Акаев А.А, Гуревич С.Б., Жумалиев K.M. Ввод и хранение информации в голографической памяти / Бишкек - СПб.: Учкун, 2002. 432 С.

220. Акаев А.А, Гуревич С.Б., Жумалиев КМ., Муравский Л.И., Смирнова Т.Н. Голография и оптическая обработка информации / Бишкек - СПб.: Учкун, 2003.572 С.

221. Gurevich S.B., Gurevich В.S., Peckus A. The problems of holographic information recording and storage: modern state // Proc. SPIE, 2008. V.7142. P.71420X-1 -71420X-7.

222. Гуревич Б.С., Гуревич С.Б., Жумалиев K.M. Взаимосвязь оптических и информационных характеристик светоинформационных систем // Оптический журнал, 2008. Т.75. №2. С.23 - 28.

223. Гуревич Б. С., Гуревич С.Б., ПецкусА. Чувствительность объемных голографических сред // Оптический журнал, 2008. Т.75. №3. С.50 - 53.

224. Гуревич С.Б., Гуревич Б.С. Возможности использования концепции оптических степеней свободы для оценки информационных свойств оптических систем // Оптический журнал, 2010. Т.77. №2. С. 15 - 20.

225. Гуревич С.Б., Гуревич Б.С. Особенности представления информационного содержания голограмм через количество оптических степеней свободы // Письма ЖТФ, 2012. Т.38. №11. С.14 - 19.

226. Гуревич С.Б., Гуревич Б.С. Повышение эффективности светоинформационных устройств рациональным распределением в них оптических степеней свободы // Письма ЖТФ, 2012. Т.38. №11. С. 40 — 45.

227. Вендрова О.Н., Макеев В.А., Соболев Г.А., Танетова Н.П., Цветов Е.Р. Исследование сигнальных голографических характеристик фотоматериалов / В сб. «Фотохимические процессы регистрации голограмм» Л.: ФТИ им. Иоффе, 1983. С.22-33

228. Цветов Е.Р. К расчету акустооптических устройств голографической записи радиосигналов с полным частотным согласованием в опорном поле // Вопросы радиоэлектроники. Сер. "Общие вопросы радиоэлектроники", 1983. Вып. 4. С. 43 - 54.

229. Соболев Г.А., Цветов Е.Р. Расчет схем для записи голограмм на основе использования сигнальных и шумовых голографических характеристик фоторегистрирующих сред // Вопросы радиоэлектроники. Сер. "Общие вопросы радиоэлектроники", 1984. Вып. 13. С. 44 - 54.

230.Цветов Е.Р., Матевосов Г.А., Черных ДФ. Оптимизация схем голографической записи и воспроизведения сигналов // Вопросы радиоэлектроники. Сер. "Общие вопросы радиоэлектроники", 1991. Вып. 9. С. 41 -55.

231. Кулешов A.M., Шубников Е.И. Влияние нелинейности среды и пространственных ограничений фильтра на параметры сигнала в голографическом корреляторе // Оптика и спектроскопия. 1986. Т. 60. № 3. С. 606 - 609.

232. Кулешов A.M., Шубников Е.И. Влияние изменения масштаба и поворота изображений и сдвига фильтра на сигнал голографического коррелятора // Оптика и спектроскопия. 1983. Т. 55. № 1. С. 161 - 165.

233. Кулешов A.M., Павлов А.В., Шубников Е.И. Влияние наклона изображения на сигнал голографического коррелятора // Оптика и спектроскопия. 1985. Т. 59. №2. С. 415-419.

234. Павлов А.В. Влияние геометрических искажений на корреляцию изображений// Оптика и спектроскопия. 1991. Т. 70. №6. С. 1337 - 1341.

235. Колмогоров А.Н. Теория информации и теория алгоритмов. М.: Наука, 1987. -304 С.

236. Корогодин В.И. Информация и феномен жизни. Пущино.: АН СССР, 1991. 202 С.

237. Psaltis D., and Farhat N. Optical information processing based on an associative-memory model of neural nets with thresholding and feedback // Opt. Lett. 1985. V.10. №2. P. 98-100.

238. Farhat N. H., Psaltis D., Praia A., Paek E. Optical Implementation of the Hopfield Method// Appl. Opt. 1985. V.24. P. 1469- 1475.

239. Soffer B.H., Dunning G.J., Owechko Y, Marom E. Associative holographic memory with feedback using phase-conjugate mirrors // Optics Letters. 1986. V. 11. №2. P.118 - 120.

240. Paek E.G., Psaltis D. Optical associative memory using Fourier transform holograms // Optical Engineering, 1987. V. 26. №5. P. 428-433.

241. Owechko Y., Dunning G. J., Marom E., and Soffer В. H. Holographic associative memory with nonlinearities in the correlation domain// Appl. Opt. 1987 V.26. P. 1900-1910.

242. Dunning G. J., Marom E., Owechko Y., and Soffer В. H. All-optical associative memory with shift invariance and multiple-image recall // Opt. Lett. 1987. V.12. №5. P.346 - 348.

243. Vasilyev A.L .et al. Holographic Associative Memory and Optical Logic Gate Using 4-Wave Mixing in LC Light Valves,// Optical Memory and Neural Networks, 1992. V.l. №1. P.3 -9.

244. Hui Kang, Chang Xi Yang, Guo Guang Mu, and Zhong Kang Wu Real-time holographic associative memory using doped LiNbOj in a phase-conjugating resonator// Opt. Lett. 1990. V.15. №11. P.637 - 639.

245. PaekE.G., Jung E.C. Simplified holographic associative memory using enhanced nonlinear processing with a thermoplastic plate //Opt. Lett. 1991. V.l6. №.13. P.1034 -1036.

246. Owechko Y. Optoelectronic resonator neural networks // Applied Optics, 1987. V. 26. P. 5104-5111.

247. Owechko Y. Cascaded-grating holography for artificial neural networks // Applied Optics, 1993. V. 32. P. 1380- 1398.

248. Arestova M.L., Bykovsky A.Yu. Possibilities for Optoelectronic Parallel Image Processing Based on Principles of Multiple-Valued Logic // Photonics and Optoelectronics, 1994. V.2. №.4. P. 169 - 180.

249. Apecmoea M.JI., Быковский А.Ю. Методика реализации оптоэлектронных схем многопараметрической обработки сигналов на основе принципов многозначной логики // Кв. Электроника, 1995. Т.22. №10. С.980 - 984.

250. Averkin A.N., Bykovsky A.Ju., Melnik A.V. Fuzzy and multiple - valued optoelectronic data processing based on maximum, minimum and parametrical logical gates // В сб.: Proceedings of SPIE - The International Society for Optical Engineering Proceedings of the 1998 Nonlinear Optical Phenomena and Coherent Optics in Information Technologies, ICONO - 98. Moscow, RUS, 1999. C. 392 -397.

251. Liu L. Optical implementation of parallel fuzzy logic // Optics Communications, 1989. V.73.P. 183- 187.

252. Lin S., Zhang S., Chen G, Kumazawa I. Optical multiple-variable fuzzy logic array using shadow-casting // Microwave Opt. Technol. Lett. 1993, V.6. P. 106 - 109.

253. Lin S„ Zhang S., Chen G, and Kumazawa I. Optical implementation of a spatial-variant fuzzy logic array //Opt. Commun. 1993, V.97. P.162 - 166.

254. Lin S., Kumazawa /., Zhang S. Optical fuzzy image processing based on shadow-casting // Opt. Commun. 1992. V.94. P. 397 - 405.

255. Zhang S., Chen C. Optoelectronic implementation of a fuzzy winner-take-all network for fuzzy logic inference // Opt. Letters, 1994. V.19. №14. P. 1067-1069.

256. Konishi T., Tanida J., Ichioka Y. Visual-area coding technique (VACT): optical parallel implementation of fuzzy logic and its visualization with the digital halftoning process // Appl.Opt. 1995, V.34. P.3097 - 3102.

257. Zhang S., Karim M. A., Chen X., and Alam M. F. Optical implementation of a parallel fuzzy flip-flop // Microwaive Opt. Technol. Lett. 1997, V.16. P. 44 - 48.

258. Jing H., Liu L., Qian F., Ruan H., Li Q., and Bu Y. Optical implementation of parallel fuzzy logic using a single electron trapping device // Optic (Stuttgart) 1999, V.110. P. 471 -475.

259. Caulfield H.J. Fuzzy Optical Metrology // IEEE Trans, on Fuzzy Systems, 1996. V.4. №2. P.206 - 208.

260. Caulfield H. J. Amplitude-based optical fuzzy logic // Microwave Opt. Tech. Lett. 1998. V.19. P.332 - 333.

261. Zhang S., Lin S., Chen C. Optical fuzzy vector-matrix composition operation using shadow-casting // Optics Communications, 1992. V.94. № 6. P. 497 - 500.

262. Zhang S., Lin S., Chen C. Optical implementation of a fiizzy associative memory // Optics Communications, 1993. V.100. № 1 - 4. P. 48 - 52.

263. Zhang S., Chen C. Parallel optical fuzzy logic gates based on spatial area-encoding technique //Optics Communications, 1994. V.107. № 1 - 2. P. 11 - 16.

264. Zhang S., Lin S., Chen C. Optical fuzzy matrixr-matrix composition operation processor based on outer-product algorithm//Optics Communications, 1993. V.102. №3 -4. P.213 - 216.

265. Jiang Т. and Li Y., Content-addressable memory implementations for the three key operations of fuzzy logic // Opt. Eng. 1999. V.38. P. 477 - 484.

266. Аллее M.A., Ковалев C.M., Соколов C.B. Оптоэлектронные средства обработки нечеткой информации // Вестник РГУПС - Ростов н/Д., 2009. № 3. С. 42 - 45.

267. Аллее М.А., Ковалев С.М., Соколов С.В. Синтез нечетко-логических устройств управления на основе оптических технологий // Труды V международной конференции «Параллельные вычисления и задачи управления РАСО 2010». -М.: ИПУим. В. А. Трапезникова РАН., 2010. С. 467-474.

268. Аллее М.А., Ковалев С.М. Технология обработки нечеткой информации на основе средств и методов оптоэлектронной схемотехники // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS -IT'10»: в 4 т. Т. 3. - М.: ФИЗМАТЛИТ., 2010. С. 206 - 210.

269. Аллее М.А., Ковалев С.М., Соколов С.В. Синтез нечетко - логических систем обработки информации на основе оптических технологий // Научное приборостроение, 2011.Т. 21. № 1. С. 137-142.

270. Аллее М.А., Ковалев С.М., Соколов С.В. Реализация нечетко - логических алгоритмов на основе оптических методов обработки информации // Известия ЮФУ. Технические науки., 2011. Т. 115. № 2. С. 192-196.

21 Аллее М.А. Оптический фаззификатор // VII Международная конференция молодых ученых и специалистов «Оптика - 2011». Сборник трудов. - СПб.: СПб НИУ ИТМО, 2011. С.110 - 113.

272. Аллее М.А., Ковалев С.М., Соколов С.В. Оптические нечетко — логические устройства // Известия вузов. Приборостроение.,2012. Т.55. № 1. С. 34-38.

273. Srinivasan R., Kinser J., Sehamsehula M., Shamir J., Cauljield H.J. Optical Syntactic Pattern Recognition by Fuzzy Scoring // Opt. Letters, 1996. V.21. №11. P.815 - 817.

274. Zhang J., Liu L., Li G., Shao L. Fuzzy Reazoning Morphological Operators and their Optical Implementation // Appl. Opt., 1997. V.36. №11. P.2328 - 2333.

275. Itoh H., Mukai S., and Yajima H. Optoelectronic fuzzy inference system based on beam scanning architecture // Appl. Opt. 1994. V.33. P. 1485 - 1490.

276. Itoh H., Yamada T., Mukai S., Watanabe M., and Brandl D. Optoelectronic implementation of real-time control of an inverted pendulum by fuzzy-logic-control units based on a light-emitting-diode array and a position — sensing device // Appl. Opt. 1997. V.36. P. 808 - 812.

277. Itoh H., Shimizu M., Ogura M., Mukai S., Watanabe M. Optoelectronic Fuzzy Inference Architecture Using Beam-steering Vertical Cavity Surface Emitting Laser Diodes // SPIE Proc. on Int. Conf. "Optics in Computing OC'98". 1998. V.3490. P.70-73.

278. Zhou S., Wu W., Campbell S., Yeh P., and Ling H. Optical implementation of fuzzy-set reasoning // Appl. Opt. 1994. V.33. P. 5335 - 5347.

279. Shao L., Liu L., and Li G. Programmable fuzzy associative memory processor // Opt. Commun., 1996. V.129. P. 89 - 97.

280. Zhang S. and Karim M. A. Optical fuzzy systems based on efficient implementation of a fuzzy associative memory // Opt. Lett. 1998. V.23. P.292 -294.

281. Zhang S. and Karim M. A. Optical triangular-partition fuzzy systems with one-memory-matrix fuzzy associative memory // Opt. Lett. 1999. V.24. P.484 - 986.

282. Zhang S. and Karim M. A. Parallel optical fuzzy logic inference using a SLM-based architecture // Opt. Laser Technol. 2000. V.32. P. 407 - 412.

283. Caulfield H. John Hierarchical fuzzy optical syntactic pattern recognition // Proc. SPIE. 1999. V.3749. P. 677 - 678.

284. Zhang S. and Karim M. A., Parallel fuzzy inference and logic processing with a joint transform correlator // Opt. Eng. 2001. V.40. №11. P. 2400 - 2406.

285. Gur E., Mendlovic D., and Zalevsky Z. Optical implementation of fuzzy - logic controllers: part I //Appl. Opt. 1998. V.37. №29. P.6937 - 6945.

286. Gur E., Mendlovic D., and Zalevsky Z. Optical implementation of fuzzy-logic controllers: part II //Appl. Opt. 1999. V.38. №20. P.4354 - 4358.

287. Zalevsky Z., Mendlovic D., and Gur E. Discussion on multi dimensional fuzzy control // Appl. Opt. 2000. V.39. №2. P. 333 - 336.

288. Gur E., Mendlovic D., Zalevsky Z. Optical Generation of Fuzzy-Based Rules// Appl. Opt. 2002. V. 41. №23. P. 4753 - 4761.

289. Zalevsky Z., Gur E., Mendlovic D. Fuzzy-logic optical optimization of mainframe CPU and memory // Appl. Opt. 2006. V.45. №19. P. 4647 - 4651.

290. Elbouz M., Alfalou A., Brosseau C. Fuzzy logic and optical correlation-based face recognition method for patient monitoring application in home video surveillance // Opt. Eng. 201 l.V. 50. №6. P. 067003-1 - 067003-13.

291. Ораевский A.H. О квантовых компьютерах II Квантовая электроника, 2000. T.30. №5. С. 457-458.

292. Менский М.Б. Квантовая механика: новые эксперименты, новые приложения и новые формулировки старых вопросов // Успехи физических наук, 2000. Т. 170. №6. С. 631-648.

293. Perus М. Multi - level Synergetic Computation in Brain // Nonlinear Phenomena in Complex Systems. 2001. V.4. № 2. P. 157 - 193.

294. Caulfield H. John, Westphal J. Logic without energy or bandwidth limits // Proc. SPIE. 2003. V. 5104. P. 40 - 44.

295. CaulfieldH. J\ Optical logic: an overview// Proc. SPIE. 2005. V.5815. P. 87 - 90.

296. Caulfield H. John Image processing: the nature and value of fuzzy metrology // Proc. SPIE. 2008. V.7071.P.1 - 7.

297. Caulfield H. John, Westphal J. The logic of optics and the optics of logic // Information Sciences. 2004. V. 162. P. 21 - 34.

298. Loo C.K., Perus M., Bischof H. Associative memory based image and object recognition by quantum holography // Open Systems & Information Dynamics. Kluwer Academic Publishers, 2004. V. 11. № 3. C. 277 - 289.

299. Perus M., Bischof H., Caulfield H.J., Loo C.K. Quantum-implementable selective reconstruction of high-resolution images // Applied Optics. 2004. V.43. № 33. P. 6134-6138.

300. Loo C.K., Perus M., Bischof H. Object recognition using quantum holography with neural-net preprocessing // Journal of Optical Technology. 2005. V.72. №5. P.358 -363.

301. Zoo C.K., Perns M., Bischof H. Simulated Quantum-optical Object-recognition from High-resolution Images // Оптика и спектроскопия. 2005. Т. 99. № 2. С. 233-238.

302.Лесовик Г Б Теория измерений и редукция волнового пакета // УФН. 2001. Т.171.№4.С.449-451.

303. Марков А.А. Математическая логика и вычислительная математика // Вестник АН СССР, 1957. Т.27. №8. С.21 - 25.

304. Черч.А. Введение в математическую логику. М.: Изд-во иностр. лит-ры, 1960. Т.1.

305. Павлов А.В. Двуслойная двунаправленная оптическая нейронная сеть на базе коррелятора Ван дер Люгта, // Оптика и спектроскопия, 1994. Т.76. №5. С.794 -797.

306. Корн Г., Корн Т. Справочник по математике. - М.: Мир, 1974. - 832 С.

307. Павлов А.В. Об алгебраических основаниях голографической парадигмы в искусственном интеллекте: алгебра Фурье-дуальных операторов // V Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте»,28 - 30 мая 2009 г., Коломна. Труды конференции. - М.: Физматлит, 2009. Т.1. С. 140 - 148.

308. Кофман А. Введение в теорию нечетких множеств. Пер. с франц. - М.: Радио и связь, 1982. - 432 С.

309. Павлов А.В. О возможности применения голографического коррелятора при построении нечетких систем // Оптический журнал. 1997. Т.65. №7. С.34- 41.

310. Павлов А.В. Построение алгебры нечетких чисел методом голографии // Оптический журнал. 1998. Т.65. №2. С. 17 - 22.

311. Павлов А.В. Об алгебраических основаниях оптических измерений // Измерительная техника. 1999. №12. С. 23 - 26.

312. Pavlov A.V. Optical holography and computational intelligence: algebraic foundations // SPIE Proc., 2000. V.4120 (Applications and Science of Neural

tin

Networks, Fuzzy Systems, and Evolutionary Computations (45 SPIE Annual Meeting). P.238 - 245.

313. Павлов А.В. Математические модели оптических методов обработки информации // Известия Академии Наук. Серия: Теория и системы управления. 2000. №3. С.111 - 118.

314. Павлов А.В. Алгебраический подход к аппроксимации передаточных характеристик негативных регистрирующих сред // Оптика и спектроскопия. 2000. Т.89. №3. С.491 -495.

315. Павлов А.В. Выбор аппроксимирующей функции при измерениях оптического пропускания // Метрология (Приложение к журналу «Измерительная техника»), 2000. №3. С. 13 - 21

316. Закиров Р.З., Павлов А.В. Алгебраический подход к моделированию оптических информационных систем // Сборник трудов конференции "Фундаментальные проблемы оптики". - СПб, 2000. С.34 - 36.

317. Zakirov R.Z., Pavlov A.V. Algebraic model of optical intelligence systems: geometrical optics approximation // SPIE Proc., 2001. Vol.4479, Applications and Science of Neural Networks, Fuzzy Systems, and Evolutionary Computation IV. P.43 - 53. doi: 10.1117/12.448347

318. Макеев М.И., Павлов А.В. Использование методов геометрической оптики для реализации операторов нечеткой логики // Изв.ВУЗов. Приборостроение. 2002. №31. С.68 - 72.

319. Закиров Р.З., Павлов А.В. Алгебраические основания оптических технологий вычислительного интеллекта // "Оптические и лазерные технологии: Сборник статей" . Под ред. В.Н.Васильева - СПб.: СПбГИТМО(ТУ), 2001. С. 33 - 55.

320. Pavlov А. V. Holographic processor for arithmetic of fuzzy numbers // Accepted Post-deadline Papers of Int.Conf. "Optics in Computing!98". Brugge, Belgium, 1998. P.7-11.

321. Zakirov R.Z.; Pavlov A. V., Vasilakos A. V. Application of holographic systems to networking problems // SPIE Proc., 2001. V.4479, Applications and Science of Neural Networks, Fuzzy Systems, and Evolutionary Computation IV. P.83 - 86. doi: 10.1117/12.448330

322. Pavlov A. V. Optical technologies for computational intelligence // SPIE Proc., 2001. V.4479, Applications and Science of Neural Networks, Fuzzy Systems, and Evolut. Computation IV. P.135 - 143. doi: 10.1117/12.448340

323. Pavlov A.V. Optical Neuro-Fuzzy Systems to Networking Problems // European Symposium on Intelligent Techniques ESIT'2000. Proceedings, 2000. P.289-298.

324. Pavlov A. V. An algebraic model for application of optical neuro-fuzzy systems to networking problems // Soft Computing. 2001. V. 5. №4. P. 318 - 324.

325. Павлов A.B. Об алгебраических основаниях Фурье-голографии // Оптика и спектроскопия. 2001. Т.90. №.3. С.515 - 520

326. Закиров Р.З., Павлов А.В. К проблеме измерений в оптике: мера и порядок // Сб. докладов Межд. Конф. по мягким вычислениям и измерениям SCM'2001. -СПб, 2001. T.l С.50 - 53.

327. Павлов А.В. Применение методов Фурье-голографии для построения логических процессоров // Оптический журнал. 2002. Т.69. №10. С.42 - 48.

328. Миз К., Джеймс Т. Теория фотографического процесса. - Л.: Искусство, 1973.

329. Гуревич С.Б. и др., Передача и обработка информации голографическими методами. М.: Сов. Радио, 1978.

330. Гильберт Д., Бернайс П. Основания математики. Логические исчисления и формализация арифметики. М.: «Наука», Главная редакция физико-математической литературы, 1979. 590 С.

331. Венедиктов В.Ю., Невская Г.Е., Томилин М.Г. Жидкие кристаллы в динамической голографии (обзор) // Оптика и Спектроскопия. 2011. Т. 111. №1. С.121 - 142.

332. Лещев А.А., Беренберг В.А., Васильев М.В., Венедиктов В.Ю., Иванова Н.Л., Петрушин Ю.А., Семенов П.М, Фрейганг Н.Н. ОВФ низко-интенсивного лазерного излучения в схеме с тонкой динамической голограммой и телевизионной передачей интерферометрической информации // Квантовая Электроника. 2007. Т. 37. № 8. С. 716 - 719.

333. Мирошников М.М. Теоретические основы оптико-электронных приборов. Л.: Машиностроение, 1977. - 600 С.

334. Бекяшева З.С., Павлов A.B. Влияние фильтрации, обусловленной нелинейностью голографических регистрирующих сред, на статистические характеристики изображений // Оптика и спектроскопия. 2013. ТЛИ. №1. С. 152-160. ISSN 0030-4034.

335.Бекяшева З.С., Павлов A.B. Порождение гипотез схемой голографии Фурье: влияние размера реализации на адекватность гипотез условиям задачи // Сб.трудов 9-ой Международной конференции "ГОЛОЭКСПО - 2012". Россия, Суздаль, 17 - 20.09.2012. С.139 - 144. ISBN 978-5-7038-3623-1.

336. Бекяшева З.С., Павлов A.B. Об адекватности гипотез, порождаемых нейронной сетью со связями по схеме голографии Фурье в рамках модели линейной регрессии задачи по знаниям // Труды конгресса по информационным технологиям и интеллектуальным системам. М.: Физматлит, 2012. T.I. С.403 -409. ISBN 978-5-9221-1329-8.

337.Бекяшева З.С., Павлов A.B. Влияние характеристик нейронной сети со связями по схеме голографии Фурье НА адекватность порождаемых гипотез // Тринадцатая Национальная конференция по искусственному интеллекту. Труды конференции. Белгород.: Изд-во. БГТУ, 2012. Т.1. С.367 - 375. ISBN978-5-361 -00181-1.

338.Бекяшева З.С., Павлов A.B. Влияние фильтрации, обусловленной нелинейностью голографических регистрирующих сред, на статистические характеристики изображений // Сборник трудов VII международной конференции «Фундаментальные проблемы оптики - 2012». СПб.: НИУ ИТМО, 2012. С. 388 - 391. 571 С. ISBN 978-5-7577-0413-5.

339. Павлов A.B., Чайка А.Н., Владимиров Ф.Л. Разработка элементной базы оптических нечетких систем // Международная конференция по мягким вычислениям и измерениям SCM'99. Сборник докладов. СПб, 1999.Т.1. С.222 -225.

340. Чайка А.Н., Владимиров Ф.Л. Нелинейная запись голограмм на оптически управляемом транспаранте типа халькогенидный стеклообразный полупроводник-жидкий кристалл // Письма в ЖТФ. 2000. Т.26. № 4. С. 9- 13.

341. Амосова Л.П., Моричев И.Е., Плетнева Н.И., Чайка А.Н. Структура стибнит-жидкий кристалл как реверсивная регистрирующая среда с высокой нелинейностью // Письма в ЖТФ. 2004. Т.30. № 9. С. 1 - 5.

342. Амосова Л.П., Плетнева Н.И., Чайка А.Н. Нелинейный режим реверсивной записи голограмм на структурах фотопроводник - жидкий кристалл с высокой чувствительностью к излучению He-Ne лазера // Оптический журнал. 2005. Т. 72. № 6. С. 57 - 62.

343. Амосова Л.П., Плетнева H.H., Чайка А.Н. Реверсивная регистрирующая среда типа фотопроводник - жидкий кристалл с выпрямляющим полупроводниковым переходом стибнит - германиевое стекло // Оптический журнал. 2006. Т. 73. № 9. С. 64 - 67.

344. Амосова Л.П., Чайка А.Н. Оптически управляемая структура As5oSe5o -жидкий кристалл с высокой чувствительностью к излучению гелий-неонового лазера // Письма в ЖТФ. 2007. Т. 33. № 6. С. 57 - 63.

345. Амосова Л.П., Волкова М.Н. Оптически управляемые модуляторы света с большим фотоиндуцированным фазовым набегом // Оптический журнал. 2011. Т. 78. №9. С. 69-75.

346. Амосова Л.П., Волкова М.Н. Спектральная зависимость фотоиндуцированного фазового набега в оптически адресуемом модуляторе света // Письма в ЖТФ. 2012. Т.38. №2. С. 17 - 42.

347. Павлов A.B. Об учете спектра и функции фильтра при численном моделировании влияния геометрических искажений на корреляцию изображений // Оптика и спектроскопия. 1995. Т.78. № 1. С. 152 - 155.

348. Алексеев A.M., Павлов A.B. Об аппроксимации передаточной функции 4f схемы голографии Фурье при реализации нечетко-значимых логик //Оптика и спектроскопия. 2010. Т.108. № 1. С.142- 147.

349. Alexander V.Pavlov, Alexander N.Chaika, Fedor L.Vladimirov Holographic Realization of Fuzzy Arithmetic // Международная конференция по мягким вычислениям и измерениям SCM'98. Сборник докладов. - СПб, 1998. Т.1.С. 113-121.

350. А.В.Павлов Реализация логико-лингвистических моделей методом Фурье-голографии // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM'2002. - СПб, 2002. Т.1.С. 292 - 295.

351. Павлов А.В. Реализация логико-лингвистических моделей методом Фурье-голографии // Известия Академии Наук. Серия: Теория и системы управления. 2003. №2. С.118 - 125.

352. Alexander V. Pavlov Linguistic modeling by Fourier holography technique // Proc. SPIE Vol. 4829, , 19th Congress of the International Commission for Optics: Optics for the Quality of Life; Giancarlo C. Righini, Anna Consortini; Eds. Nov

2003. - SPIE, 2003. P. 453 -455.

353. Павлов A.B., Шевченко Я.Ю. Нейро-нечеткая голографическая система: вывод на лингвистических шкалах // Международные научно-технические конференции IEEE AIS'03 CAD - 2003, 3 - 10 сентября, Дивноморское, Россия. Труды Конференций. - М.: Физматлит, 2003. Т.1. С. 542 — 548.

354. Павлов А.В., Шевченко Я.Ю. Голографическая технология моделирования логического вывода на лингвистических шкалах // Труды Всероссийской научной конференции «Управление и информационные технологии УИТ -2003». - СПб., 2003. T.I. С.324 - 329.

355. Павлов А.В., Шевченко Я.Ю. Реализация логического вывода на лингвистических шкалах методом Фурье-голографии // Оптический журнал.

2004. Т.71. №7. С.44-51.

356. Alexander V. Pavlov, Yanina Y. Shevehenko Implementation of linguistic models by holographic technique // Proc. SPIE. Vol. 5200. Applications and Science of Neural Networks, Fuzzy Systems, and Evolutionary Computation VI; Bruno Bosacchi, David B. Fogel, James C. Bezdek; Eds. - SPIE, 2004. P. 165 - 169.

357. Alexander V. Pavlov Holographic Technique for Linguistic Modeling //

tVi

Proceedings of 9 International Conference on Speech and Computer SPECOM'04, 20 - 22 Sept. 2004, St.Petersburg. - СПб., 2004. P.645 - 649.

358. Алексеев A.M., Павлов A.B. Интеграция логического и образного мышления методом Фурье-голографии // Десятая Национальная конференция по искусственному интеллекту с международным участием, 25 - 28 сент.2006. Обнинск, Россия, Труды конференции. - М.: :Физматлит, 2006. Т.2. С. 644 — 652.

359. Алексеев A.M., Константинов A.M., Павлов А.В. Использование метода Фурье-голографии для моделирования принципа образности мышления //Оптический журнал. 2006. Т.73. №9. С.77 - 82.

360. Алексеев A.M., Константинов A.M., Павлов А.В. Реализация немонотонных рассуждений при интеграции логического и образного мышления методом Фурье-голографии // Известия РАН. Серия физическая. 2007. Т.71. №2. С. 180 -184.

361. Вассерман Е.Я., Н.К.Карташев, Полонников Р.И. Фрактальная динамика электрической активности мозга. - СПб.: Наука.2004. - 208 С.

362. Willinger W., Taqqu M.S., et.al. Self-Similarity Through High-Variability: Statistical Analysis of Ethernet LAN Traffic at the Source Level // IEEE/ACM Trans. On Networking. 1997. V.5. №1.

363. Grossglauser M., Bolot J-C. On the Relevance of Long-Range Dependence in Network Traffic // IEEE Trans. On Networking. 1999. V.7. №5.

364. Roughan M., Veitch D., Abry P. Real-Time Estimation of the Parameters of LongRange Dependence // IEEE Trans, on Networking. 2000. V.8. №4.

365. Нестерук КС., Николаев И.П., Ларичев А.В. Дифференцирование изображений с помощью фазового ножа // Оптика и спектроскопия. 2001.Т.91.№2.

366. A.M. Алексеев. A.M. Константинов, А.В. Павлов Логико-лингвистическое моделирование методом фурье-голографии: реализация немонотонных рассуждений // Научно-технический вестник СПбГУ ИТМО. Выпуск 30.

Фундаментальные и прикладные исследования информационных систем и технологий - СПб: СПбГУИТМО, 2006. С.123 - 128.

367. А.В. Павлов, A.M. Алексеев Подход к реализации принципа контекстности восприятия методом Фурье-голографии // Международные научно-технические конференции IEEE AIS'05 CAD - 2005, 3 - 10 сентября, Дивноморское, Россия. Труды Конференций. - М.: Физматлит, 2005. Т.2. С. 227 - 234.

368. Alexander Alekseev, Alexander Pavlov Linguistic Modeling by Fourier-holography Technique: Implementation of non-monotonic Semantics // Proceedings of XI International Conference "Speech and Computer", 25 - 29 June 2006, St.Petersburg. СПб., 2006. P.237 - 241.

369. A.M. Alekseev, A. V. Pavlov Linguistic Modeling by Fourier-Holography Technique: Implementation of Non-Monotonic Reasoning // Proceedings of the ICO Topical Meeting on Optoinformatics /Information Photonics, 4 - 7.09.2006, St.Petersburg. - СПб. ИТМО, 2006. P.473 -475.

370. А.В. Павлов, A.M. Алексеев Реализация нечеткой логики с исключениями методом фурье-голографии // Международные научно-технические конференции IEEE AIS'07 CAD - 2007, 3 - 10 сентября 2007, Дивноморское, Россия. Труды Конференций. - М.: Физматлит, 2007. Т.2. С. 155 - 160.

371. AM Алексеев, А.В. Павлов О возможности реализации логики с исключениями методом Фурье-голографии // Сб. трудов IV Международного форума «Голография ЭКСПО - 2007» 25 - 27 сентября 2007, Москва. - М.: 2007. С.159 - 161.

372. Алексеев A.M., Павлов А.В. Реализация нечеткой логики с исключениями методом фурье-голографии // Оптический журнал. 2008. Т.75. №4. С.41 - 46.

373. A.M.Alekseev, A.V.Pavlov "Implementation of non-monotonic logic by Fourier-holography technique: Logic with exceptions", Technical Digest "International Topical meeting on Information Photonics 2008". - Japan, 2008. P.188 - 189.

374. Alexander M. Alekseev, Alexander V. Pavlov, Implementation of Nonmonotonic Logics by Fourier - Holography Technique. // the 22nd General Congress of the

International Commission for Optics (ICO), Puebla, Mexico, 14 - 19.08.2011 Proc. of SPIE.: SPIE, 2011. Vol. 8011. P. 80116X-1 -80116X-7.

375. A.M. Алексеев, А.В.Павлов, Реализация нечетких логик методом голографии Фурье: Логика с исключением // Восьмая международная конференция «Голоэкспо 2011». 29.09 - 01.10.2011г. Сборник трудов. - Минск. Белоруссия, 2011. С.507 - 510.

376. А.М. Алексеев, А.В. Павлов Логика с исключением на основе Фурье-дуальности операторов // Труды конгресса по интеллектуальным системам и информационным технологиям IS&IT'l 1, 3-9 сентября 2011, Дивноморское, Россия. Научное издание в 4-х томах. - М.: ФИЗМАТЛИТ, 2011. - Т. 1. С. 109 -118. ISBN 978-5-9221-1329-8.

377. Павлов А.В. АЛГЕБРА ФУРЬЕ-ДУАЛЬНЫХ ОПЕРАЦИЙ: ЛОГИКА С ИСКЛЮЧЕНИЕМ НА НЕЙРОСЕТЯХ С ГОЛОГРАФИЧЕСКИМИ СВЯЗЯМИ // Материалы 1-го Международного симпозиума "Гибридные и синергетические интеллектуальные системы: теория и практика". — Калининград: Балтийского федерального университета им. Иммануила Канта, 2012. - Т. 2. - С. 186-196. - 444 с. - ISBN 978-5-9971-0212-8.

378. Павлов А.В. Алгебра фурье-дуальных операций: логика с исключением // Искусственный интеллект и принятие решений. 2012. №3. С.26 - 38. ISSN 2071 -8594.

379. Павлов А.В. Логика с исключением на алгебре Фурье-дуальных операций: феномен сомнений и колебаний // VII Международная научно-практическая конференция Интегрированные модели и мягкие вычисления в искусственном интеллекте». Коломна, 20 - 22 мая 2013. Сборник научных трудов. - М.: Физматлит., 2013. Т.З. С.1035 - 1045. ISBN 978-5-9221-1471-4.

380. Павлов А.В. Может ли голография моделировать психологические феномены? // Голография. Теоретические и прикладные вопросы. Материалы XXVIII Школы-симпозиума по голографии и когерентной оптике. Нижний Новгород. 22 - 26.08.2012.Изд - во Нижегородского госуниверситета.2013. -173 С. С.32 - 36. ISBN 978-5-91326-282-0.

381. Павлов A.B. Моделирование когнитивных феноменов на алгебре Фурье-дуальных операций // Труды конгресса по интеллектуальным системам и информационным технологиям IS&IT' 13, 2-9 сентября 2013, Дивноморское, Россия. Научное издание в 4-х томах. - М.: ФИЗМАТЛИТ, 2013. - С.369 -377. ISBN 978-5-9221-1479-0.

382. Павлов A.B. Реализация когнитивных механизмов методом голографии фурье // Голография. Наука и практика. Сборник трудов 10-й Международной конференции «ГолоЭкспо-2013» 17-18 сентября 2013 г. г. Москва, Россия. -Москва: ООО «МНГС», 2013. - С. 68 - 75. - 362 с. - ISBN 978-5-70383789-4.

383. Павлов A.B. Моделирование когнитивного диссонанса методом голографии Фурье // III Всероссийская конференция по фотонике и информационной оптике. Сборник научных трудов / НИЯУ «МИФИ», 2014. - М.: НИЯУ «МИФИ», 2014. - С. 172 - 173. - 304 с. - ISBN 978-5-7262-1904-2.

384. Павлов A.B. Реализация методом голографии Фурье когнитивных механизмов восприятия новой информации // Оптический журнал. 2014. Т.82. №2. С. 40 -48.

385. Павлов A.B. Логика с исключением на алгебре фурье-дуальных операций: нейросетевой механизм редуцирования когнитивного диссонанса // Научно-технический вестник информационных технологий, механики и оптики. 2014. Т. 89. №1. С.17 -25.

386. Борн М, Вольф Э. Основы оптики / - М.: Наука, 1973. - 720 с.

387. Дубнищев В.В. Колебания и волны / - СПб.: Лань, 2011. - 384 с. ISBN: 978-58114-1183-2.

388. Кузнецов О.П. Когнитивная семантика и искусственный интеллект // Искусственный интеллект и принятие решений. 2012. №4. С.32 - 42.

389. Павлов A.B. О возможности реализации абдуктивного и индуктивного выводов методом голографии Фурье // Конгресс по интеллектуальным системам и информационным технологиям AIS-IT'09. 3-10 сентября 2009г.